Assessment of livelihood assets and strategies among tobacco and non tobacco growing households in south Nyanza region, Kenya
Notice bibliographique
Résumé
This study assessed household assets and livelihood strategies among tobacco-growing households in comparison to non-tobacco-growing households in the south Nyanza region, Kenya. It was meant to provide basic information that could be used to advice on local enforcement of Article 17 of the WHO Framework Convention on Tobacco Control (FCTC) through crop and livelihood diversification as an alternative strategy to tobacco farming. A multi-stage and stratified random sampling procedure was used to select and survey 440 households (i.e. 210 tobacco and 230 non-tobacco) from the study area. The survey was carried out using a standard questionnaire with both structured and non-structured questions which was supplemented by four Focussed Group Discussions. The study established that an annual net income of a non-tobacco farmer is higher than that of a tobacco farmer with an average annual difference of $ 198 which is a significant margin in rural areas. Moreover, a tobacco farming household spends more income ($ 35) per year on healthcare services than a non-tobacco household, an indication that the latter group is prone to illnesses. In terms of social life, tobacco farming is labour intensive and evidently encourages polygamy though to a large extent, it is also a common cultural practice in the area. It was also noted that majority of the non-tobacco farming households have better housing quality and educational levels, and higher enterprise diversity than their counterparts. In conclusion, although households engage in tobacco farming to improve their living standards, tobacco farming is basically responsible for poor and un-sustainable livelihoods in the region. Hence, there is need to provide other alternative livelihood strategies to tobacco-growing households.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».