MétaCan
Menu
Retour à la cohorte
Enregistrement W2801656539 · doi:10.1371/journal.pone.0196392

Diversification and intensification of agricultural adaptation from global to local scales

2018· article· en· W2801656539 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuePLoS ONE · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensUniversity of Alberta
Organismes subventionnairesConsortium of International Agricultural Research Centers
Mots-clésDiversification (marketing strategy)AgricultureAgricultural diversificationAdaptive capacityNatural resource economicsAgricultural productivityClimate changeGeographyEnvironmental resource managementContext (archaeology)BusinessEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Smallholder farming systems are vulnerable to a number of challenges, including continued population growth, urbanization, income disparities, land degradation, decreasing farm size and productivity, all of which are compounded by uncertainty of climatic patterns. Understanding determinants of smallholder farming practices is critical for designing and implementing successful interventions, including climate change adaptation programs. We examine two dimensions wherein smallholder farmers may adapt agricultural practices; through intensification (i.e., adopt more practices) or diversification (i.e. adopt different practices). We use data on 5314 randomly sampled households located in 38 sites in 15 countries across four regions (East and West Africa, South Asia, and Central America). We estimate empirical models designed to assess determinants of both intensification and diversification of adaptation activities at global scales. Aspects of adaptive capacity that are found to increase intensification of adaptation globally include variables associated with access to information and human capital, financial considerations, assets, household infrastructure and experience. In contrast, there are few global drivers of adaptive diversification, with a notable exception being access to weather information, which also increases adaptive intensification. Investigating reasons for adaptation indicate that conditions present in underdeveloped markets provide the primary impetus for adaptation, even in the context of climate change. We also compare determinants across spatial scales, which reveals a variety of local avenues through which policy interventions can relax economic constraints and boost agricultural adaptation for both intensification and diversification. For example, access to weather information does not affect intensification adaptation in Africa, but is significant at several sites in Bangladesh and India. Moreover, this information leads to diversification of adaptive activities on some sites in South Asia and Central America, but increases specialization in West and East Africa.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,951
Score d'incertitude au seuil0,135

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,091
Tête enseignante GPT0,234
Écart entre enseignants0,144 · 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