MétaCan
Menu
Retour à la cohorte
Enregistrement W2913444825 · doi:10.1080/03670244.2019.1570179

The Agroecological Farmer’s Pathways from Agriculture to Nutrition: A Practice-Based Case from Ecuador’s Highlands

2019· article· en· W2913444825 sur OpenAlexafffund
Ana Deaconu, Geneviève Mercille, Malek Batal

Notice bibliographique

RevueEcology of Food and Nutrition · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Land Use, Rural Development
Établissements canadiensUniversité de Montréal
Organismes subventionnairesInternational Development Research Centre
Mots-clésAgroecologyAgricultureEmpowermentSustainable agricultureBusinessFood systemsFood sovereigntyAgricultural productivitySocial capitalAgricultural economicsAgroforestryEconomic growthNatural resource economicsFood securityGeographyEconomicsSociologyBiologySocial science

Résumé

récupéré en direct d'OpenAlex

Agroecology is increasingly recognized as a sustainable production strategy that is appropriate for the rural poor. Meanwhile, agricultural initiatives have received much attention for their role in improving farmer nutrition, and three key pathways between agriculture and nutrition include consumption of own production, income and women's empowerment. In this study based in Ecuador's Imbabura province, we used qualitative methods to explore the practices of agroecological farmers with respect to these three key pathways. Results demonstrate the heterogeneity of lived experiences through which agroecology increases agricultural diversity and builds social and human capital to improve nutrition. We further identify barter as an under-explored means to nutrition outcomes, and we discuss the role of the complex rationales that mediate farmers' performance on agriculture-for-nutrition pathways. Finally, our results illustrate agroecology's potential to spread nutrition-promoting practices through endogenous farmers' networks.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,004
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,011
Tête enseignante GPT0,199
Écart entre enseignants0,188 · 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'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

Citations50
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEcology of Food and NutritionMême sujetAgriculture, Land Use, Rural DevelopmentTravaux en français237 207