MétaCan
Menu
Retour à la cohorte
Enregistrement W2895792768 · doi:10.7939/r3jm23q1x

Contribution of Home Gardens to Household Income in Kerala, India

2015· article· en· W2895792768 sur OpenAlexaboutno aff
Sharon T. Paul

Notice bibliographique

RevueUniversity of Alberta Library · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueUrban Agriculture and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHousehold incomeGeographySocioeconomicsAgricultural economicsEconomics

Résumé

récupéré en direct d'OpenAlex

Home gardens are regarded as a way to improve the livelihood and nutritional security of small scale farming households in developing countries. Viable home gardens can improve the ability of small-holders and their communities to meet interrelated concerns of food, nutrition, health and economic security. Home gardens can increase dietary diversity as well as the availability of food throughout the year. From an economic security perspective, home gardens could play two roles: marketing of the surplus home garden produce could reduce the income risks from other income generation activities, or agricultural production decisions and saving on food expenses through the consumption of home garden produce could help the households to use their earnings for other priorities such as education of children, health and paying off debts. From a social perspective, home gardens may allow women to exert greater control over the types and quality of food consumed in the household. By using a household production model with fixed consumption levels for a number of representative households in the Wayanad district of Kerala, India, the economic impact of home gardens on six different household categories: landless households with and without home gardens; landholding households where agricultural production is relatively large in terms of its share in the total household income (between 35 – 100%), with and without home gardens (mentioned as agricultural majority households); landholding households where agricultural production is relatively small in terms of its share in the total household income (below 35%), with and without home gardens (mentioned as agricultural minority households), are examined. The impact of home gardens on male and female headed households is also assessed in the study. Whether home gardens contribute to increasing income and reducing household income variability across time is tested using simulation. The study uses data collected under the project titled ‘Alleviating Poverty and Malnutrition in Agro biodiversity Hotspots in India’ led by the University of Alberta and the M.S. Swaminathan Research Foundation, India, to estimate production and supply relationships. In addition, time use data from both male and female heads of the six household categories mentioned above, and historical price, production and rainfall data were collected to examine the impact of home gardens under uncertainty across time. Optimization results indicated positive profits and consumption value from home gardens for the sample households, regardless of the category. The percentage contributions of home garden profits to the net income levels were found to be significantly higher for agricultural minority households (20% and 39%). This respective household category constituted 71% of the total sample population. The reasons for low contributions for other household categories can be attributed to the higher income levels of agricultural majority households and the landless households’ lower diversity in the production from home gardens. Under uncertain scenarios, home gardens were able to contribute to the households’ economic security by providing income and saving on food expenditure. Most of the home garden households, relative to households without home gardens, achieved more stable net incomes even during negative market shocks (clearly visible in the agricultural majority category). Simulations across time highlighted higher mean and lower coefficients of variation for net income for households with home gardens.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,057
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,153
Écart entre enseignants0,145 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Alberta LibraryMême sujetUrban Agriculture and SustainabilityTravaux en français237 207