MétaCan
Menu
Retour à la cohorte
Enregistrement W2801402948 · doi:10.1186/s13717-018-0124-x

Does adaptation to climate change and variability provide household food security? Evidence from Muger sub-basin of the upper Blue-Nile, Ethiopia

2018· article· en· W2801402948 sur OpenAlexfundno aff
Abayineh Amare, Belay Simane

Notice bibliographique

RevueEcological Processes · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensnon disponible
Organismes subventionnairesAddis Ababa UniversityDeutscher Akademischer AustauschdienstInternational Development Research Centre
Mots-clésFood securityLivelihoodDiversification (marketing strategy)AgricultureGeographyStructural basinClimate changeAdaptation (eye)IrrigationAdaptive capacityAgricultural diversificationHousehold incomeSocioeconomicsAgricultural economicsBusinessEconomicsEcologyBiology

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to evaluate the associated impact of adoption of adaptation options to climate change and variability on household food security in the Muger sub-basin of the upper Blue-Nile of Ethiopia using a comprehensive data of 442 sampled households from four representative districts’ in the sub-basin. The study used a propensity score matching approach to evaluate the impact of adaptation options on household food security. Results show that the decision to adopt adaptation options is found to be positively influenced by male household heads, family size, access to extension service, the size of landholding, and frequency of drought and floods over the past many years. The results further reveal that farmers adopting any of the adaptation options had higher food calorie intake per day per adult equivalent than those who did not. A policy that promotes the adoption of soil and water conservation measures, small-scale irrigation, agronomic practices, and livelihood diversification strategies should be central to food security strategy in the study area.

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 enseignants0,009
Score d'incertitude au seuil0,018

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
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 Opus0,042
Tête enseignante GPT0,235
Écart entre enseignants0,193 · 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

Citations57
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcological ProcessesMême sujetAgricultural risk and resilienceTravaux en français237 207