MétaCan
Menu
Retour à la cohorte
Enregistrement W2796259751 · doi:10.1080/17565529.2018.1442801

Climate change adaptation: a study of multiple climate-smart practices in the Nile Basin of Ethiopia

2018· article· en· W2796259751 sur OpenAlexfundno aff
Hailemariam Teklewold, Alemu Mekonnen, Gunnar Köhlin

Notice bibliographique

RevueClimate and Development · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésMultivariate probit modelAdaptation (eye)Climate changeAgricultureFood securityEnvironmental resource managementClimate change adaptationAdaptive capacityLivelihoodNatural resource economicsProbit modelBusinessGeographyEconomicsEcologyEconometrics

Résumé

récupéré en direct d'OpenAlex

Improving farm-level use of multiple climate change adaptation strategies is essential for improving household food security, particularly against a backdrop of a high risk of climatic shocks. However, the empirical foundation for understanding how farm households choose multiple climate-smart practices is far from being established. In this paper, the effects of household, farm and climatic factors on farmers’ decisions to use multiple adaptation practices are analysed. A survey of 921 farm households and 4312 farm plots combined with historical climate data in the Nile Basin of Ethiopia is explored using multivariate and random effect ordered probit econometric models. Results show agricultural production can be characterized by complementarities between adaptation practices. This result is important to designing packages of adaptation practices. The econometric results confirm that social capital, tenure security and climatic shocks are important determinants of the choice of the type and number of adaptation practices. The results suggest the need for carefully designing combinations of adaptation strategies based on agro-ecological conditions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,163
Tête enseignante GPT0,313
Écart entre enseignants0,150 · 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 source (Gemma direct ou Codex distillé), 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

Citations162
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClimate and DevelopmentMême sujetClimate change impacts on agricultureTravaux en français237 207