MétaCan
Menu
Retour à la cohorte
Enregistrement W2560512890 · doi:10.18472/sustdeb.v7n0.2016.18749

Climate variability, agricultural livelihoods and food security in Semiarid Brazil

2016· article· en· W2560512890 sur OpenAlexaff
Patrícia Mesquita, Hannah Wittman, José Aroudo Mota

Notice bibliographique

RevueSustainability in Debate · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFood securityLivelihoodSubsistence agricultureClimate changeGeographyContext (archaeology)Vulnerability (computing)AgricultureSustainabilityLivestockSocioeconomicsNatural resource economicsEcologyEconomicsForestry

Résumé

récupéré en direct d'OpenAlex

Climate change and variability are among the main threats to socio-ecological sustainability in many semi-arid regions of the world and are of special concern to resource-poor family farmers. In the Brazilian semi-arid region, high levels of social vulnerability in addition to predicted climate events can adversely affect subsistence crops and other cultivated areas with serious consequences for rural food security. An extreme drought that started in 2010 left 174 (of 184) municipalities in the northeastern state of Ceará, Brazil, in a situation of emergency in 2012. During the period of drought, we studied household production characteristics, sources of water for domestic consumption, perception of temperature change and the relationship of those variables with perceived food security. Food security was associated to the presence of piped water and to the diversity of livestock owned by the household. In addition to the importance of observing the role of those variables in public policies related to food security and regional development in the semi-arid region of Brazil, we also highlight the need of understanding the local context where those policies are implemented and the types of local adaptations being performed during periods of shock, which will be recurrent in a scenario of climate change.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,154
Score d'incertitude au seuil0,816

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,034
Tête enseignante GPT0,394
Écart entre enseignants0,360 · 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

Citations6
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainability in DebateMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207