Editorial for the Thematic Series in Agriculture & Food Security: Climate-Smart Agriculture Technologies in West Africa: learning from the ground AR4D experiences
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This Thematic Series on “Climate-Smart Agriculture \nTechnologies in West Africa: learning from the ground \nAR4D experiences” contains seven papers presented by \nresearchers from four West African countries based on \nparticipatory action research conducted since 2012 in \nthe region. These research activities were funded by the \nCGIAR Research Program on Climate Change Agriculture \nand Food Security (CCAFS) through a project titled \n“Developing community-based climate-smart agriculture \nthrough participatory action research in CCAFS benchmark \nsites in West Africa” (see [1]). This research action \nunder the scientific lead of the World Agroforestry Centre \n(ICRAF) aimed to test and validate, in partnership \nwith rural communities and other stakeholders, scalable \nclimate-smart village models for agricultural development \nthat integrate a range of innovative agricultural risk \nmanagement strategies. The project also aimed to enable \nfarmers, developers, managers and policy makers for the \nagriculture sector to develop cost-effective climate-smart \nagriculture (CSA) options that support local sustainable \ndevelopment and enhance livelihood resilience. It is \ntherefore a response to the challenges (degraded lands, \nlow crop productivity, high level of poverty for rural people, \netc.) faced to satisfy the food needs of an increasing \npopulation in the face of a changing climate...
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 découle