Gender Norms and Agricultural Innovation: Insights from Six Villages in Bangladesh
Notice bibliographique
Résumé
The ability of development interventions to catalyse and support innovation for—and by— women and men is undermined by lack of specific understanding about how gender norms interact with gender relations and what this means for innovation. This is also the case for Bangladesh despite substantive research and development investments in the past decade that have placed emphasis on gender norms, particularly those inhibiting women and girl’s education, women and girl’s health, and women’s economic empowerment. This paper analyses how men and women in South West Bangladesh perceive gender norms to affect their ability to innovate, adopt, and benefit from new technologies in aquaculture, fisheries and agricultural systems. Our qualitative findings from six villages in 2014 confirm that the engagement of women and men smallholders with agricultural innovation and its opportunities is gender-differentiated. We explore further: how gender norms shape these differences; which gender norms are most significant in the given context, when and for whom; and, finally, when and how are some women and men able to innovate in the context of these norms. In doing so, we highlight how gender norms interact with gender relations and wider structural inequalities to constrain and/or enable innovation for different women and men. We conclude that technical organizations seeking to promote innovation need to go beyond itemizing gender ‘gaps’ to engage more closely with underlying gender norms and the way they influence various women’s, and men’s, motivations, spheres of innovation, and valuations of outcomes.
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 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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».