Traditional agriculture in transition: examining the impacts of agricultural modernization on smallholder farming in Ghana under the new Green Revolution
Notice bibliographique
Résumé
Following the renewed effort at achieving a new green revolution for Africa, emphasis has been placed on modernizing smallholder agriculture through the deployment of improved inputs especially mechanized technologies. In Ghana, the government has in the last decade emphasized the provision of subsidized mechanized ploughing services to farmers alongside a rapidly growing private sector tractor service market. While mechanized technology adoption rates have increased rapidly, the deployment of these technologies has been without critical analysis of the impacts on production patterns and local agrarian systems. This paper examines the distributional impacts of agriculture mechanization on cropping patterns and farm sizes of smallholder farmers in northern Ghana using Geographic Information Systems (GIS) techniques, and semi-structured interviews with smallholder farmers (n=60). Specifically, comparative analysis of the field sizes and cropping patterns of participant farmers prior to and after the adoption of mechanized technologies was conducted. In-depth interviews were used to contextualize the experiences of smallholder farmers toward understanding how mechanization may be impacting traditional agriculture. Our findings reveal a mechanization paradox in which farm sizes are expanding, while cropping patterns are shifting away from traditional staple crops (pearl millet and sorghum bicolor) to market-oriented crops (maize, rice and groundnuts). This transition we argue, has adverse implications on the cultural dimension of food security, the organization of social life, and climate change adaptation. We recommend a retooling of the current agricultural policy focus to ensure context sensitivity for a more robust battle against food insecurity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».