MétaCan
Menu
Retour à la cohorte
Enregistrement W2912400922 · doi:10.18697/ajfand.84.blfb1032

Ethnography in Agricultural Research: A Tool for Diagnosing Problems and Sustaining Solutions

2019· article· en· W2912400922 sur OpenAlexaff
Kwame N. Owusu-Daaku, Sheila Onzere

Notice bibliographique

RevueAfrican Journal of Food Agriculture Nutrition and Development · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensResponse Biomedical (Canada)
Organismes subventionnairesnon disponible
Mots-clésEthnographyAgricultureComputer scienceSociologyData scienceGeographyAnthropologyArchaeology

Résumé

récupéré en direct d'OpenAlex

In order to meet the future challenges of African agriculture, scientists and policy makers will need to move away from prescriptive measures, to more adaptive ways of understanding and addressing problems based on local capabilities and resources. Ethnographic frameworks and methods are one adaptive tool that researchers can use in parsing out complex situations within the context of local practice and culture. This paper highlights the use of an ethnographic framework called the Livelihoods as Intimate Government (LIG) approach and its application in Ghana and Malawi. The authors demonstrate how without preconceived ideas about what challenges exist, the LIG approach is able to illuminate some of the most pressing needs that affect the livelihoods of rural smallholder farmers. Preconceived notions tend to lead to poor diagnosis of problems, which then results in misplaced solutions and misapplication of funds to implement recommended strategies. Use of LIG sets parameters that are specific to the local context, which promotes development of appropriate policies, and sustainability of food security programs, ensuring that limited funds are used appropriately.

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 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)0,002
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,300
Score d'incertitude au seuil0,781

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,255
Tête enseignante GPT0,418
Écart entre enseignants0,163 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAfrican Journal of Food Agriculture Nutrition and DevelopmentMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207