Farmers’ preference for soil and water conservation practices in central highlands of Ethiopia.
Notice bibliographique
Résumé
Land degradation is a major socio-economic and environmental concern in the Ethiopian highlands where the phenomenon has rendered vast areas of fertile land unproductive. To reverse this trend, the adoption of soil and water conservation (SWC) practices is crucial. However, failure by research and development organisations to take into consideration farmers preference for SWC practices have resulted into low adoption of these technologies. This paper presents the findings of a study that evaluated farmers’ preferences of SWC practices, including the economic perspective; as a basis for enhancing adoption of the technologies in the central highlands of Ethiopia. Four soil and water conservation (SWC) practices; (i) soil bunds alone (SB), (ii) soil bunds with vetiver grass (SB+Vg), (iii) soil bunds with Susbania susban (SB+Ss) (iv) and soil bunds with elephant grass (SB+Eg), were evaluated in the Borodo Watershed in the central highlands of Ethiopia. These are the only SWC measures introduced and implemented in Borodo watershed. Data on these SWC practices were collected from farmers using focus group discussion. A multi-criteria analysis (MCA) approach was used to analyses the data. The criteria were weighted using pair-wise ranking and SWC practices were scored with a scale of 1(not good) to 5 (best) based on each criterion. The overall weighted scores were obtained using the Simple Additive Weighting Model. Farmers assigned highest relative weights to criteria related to economic criteria (0.58) than technical (0.29) and stability criteria (0.13). Based on the overall weighted scores obtained using MCA approach, farmers prefer different SWC practices in an order of SB+Eg> SB+Ss> SB+Vg> SB. In general, this paper argues that farmers’ economic concerns should be accounted for or more seriously taken into account by research and development institutions. Therefore, there is a need to develop SWC practices which are technically effective and economically efficient.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».