MétaCan
Menu
Retour à la cohorte
Enregistrement W2114559562 · doi:10.3390/su1041366

Negotiating Uncertainty: Jamaican Small Farmers’ Adaptation and Coping Strategies, Before and After Hurricanes—A Case Study of Hurricane Dean

2009· article· en· W2114559562 sur OpenAlexaff
Donovan Campbell, Clinton L. Beckford

Notice bibliographique

RevueSustainability · 2009
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésLivelihoodNegotiationAgricultureVulnerability (computing)Coping (psychology)GeographySocioeconomicsStressorClimate changeEnvironmental resource managementEnvironmental planningSociologyEnvironmental sciencePsychologyOceanographySocial science

Résumé

récupéré en direct d'OpenAlex

In recent years, Jamaica has been seriously affected by a number of extreme meteorological events. The one discussed here, Hurricane Dean, passed along the south coast of the island in August 2007, damaging crops and disrupting livelihood activities for many small-scale farmers. This study is based on detailed ethnographic research in the southern coastal region of St. Elizabeth parish during the passage of Hurricane Dean, and explores the ways in which small farmers negotiate the stressors associated with hurricane events. The study employed a mix methods approach based on a survey of 282 farming households. The paper documents coping strategies employed by farmers in the immediate period of Hurricane Dean to reduce damage to their farming systems, and highlights the positive correlation between farmers’ perceptions of hurricanes and degree of damage to local farming systems. In addition, through an analysis of socio-economic and environmental data, the paper provides an understanding of the determinants of adaptive capacity and strategy among farmers in the area. The study indicated that despite high levels of vulnerability, farmers have achieved successful coping and adaptation at the farm level.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,355
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,263
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetClimate change impacts on agricultureTravaux en français237 207