MétaCan
Menu
Retour à la cohorte
Enregistrement W2149843756 · doi:10.5539/jsd.v7n4p181

Agriculture Sustainability, Inclusive Growth, and Development Assistance: Insights from Tanzania

2014· article· en· W2149843756 sur OpenAlexvenueno aff
Emmanuel Tumusiime, Edmund Matotay

Notice bibliographique

RevueJournal of Sustainable Development · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensnon disponible
Organismes subventionnairesOxfam America
Mots-clésFood securityTanzaniaAgricultureEndowmentBusinessProduction (economics)SustainabilityNatural resource economicsSustainable developmentAgricultural productivityEconomic growthInvestment (military)Agricultural economicsEconomicsSocioeconomicsGeographyPolitical sciencePolitics

Résumé

récupéré en direct d'OpenAlex

Aid for agriculture development in sub Saharan Africa has increased in recent years, but little is known about which farmers are participating in the interventions, the production structures employed, and the foreseeable consequence on food security and agricultural development. This research draws insights from two projects in Tanzania funded by the United States under its Feed the Future initiative. The research examined the categories of farmers participating, production structure employed, and the implications for sustainable and inclusive food security and agricultural development. The research reveals that significant results of sustainable production can be found at individual level, but only a limited number of farmers with endowment of suitable land with access to water, and credit and some level of organization are participating. The UN rapporteur on the Right to Food has called for increasing food production where the poor and hungry live; we argue that current investment approaches oriented to increasing production, fail to adequately address the local specificity of hunger. As a result, substantial increases in aid inflows over the recent years may have limited effect on reducing the numbers of the hungry. The challenge to stakeholders is to spread the technologies to many more smallholder producers, particularly targeting the poor more precisely.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,516
Score d'incertitude au seuil0,601

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,009
Tête enseignante GPT0,219
Écart entre enseignants0,211 · 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

Citations10
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetAgricultural Innovations and PracticesTravaux en français237 207