The Economic Geography of Kenyan Tobacco Farmers’ Livelihood Decisions
Notice bibliographique
Résumé
INTRODUCTION: The narrative of prosperous economic livelihood of tobacco farmers in Kenya as alleged by the tobacco industry deserves challenge as evidence increasingly suggests that smallholder tobacco farmers are making little or no profits. Article 17 of the World Health Organization Framework Convention on Tobacco Control encourages viable alternative livelihoods for tobacco farmers. There is little evidence, however, on how tobacco farmers make livelihood choice decisions. METHODS: A total of 527 purposefully selected smallholder tobacco farmers in Kenya from three main tobacco-growing regions participated in a 2017 economic livelihood survey. Geo-economic data were matched to surveyed farmers' Global Positioning System coordinates to estimate each farmer's access to nearby economic centers. Ownership of cell phones or radios was also used to estimate farmers' virtual access to nearby economic activities to understand better the role of information. Multivariate logistic regressions were used to control socioeconomic status and self-reported activity in nearby economic centers. RESULTS: Tobacco farmers rarely live within 10 km of an economic center. Results suggest that the further away farmers live from economic centers, the less likely they are to grow tobacco, but more likely to grow tobacco under contract. Also, farmers owning a cell phone or radio are not only less likely to grow tobacco, but also to not engage in farming under contract if they do grow tobacco. CONCLUSIONS: Physical and virtual access to nearby economic activities is significantly associated with tobacco farmers' livelihood choice decision and should be taken into consideration by decision makers while developing interventions for FCTC Article 17. IMPLICATIONS: Smallholder tobacco farmers in lower-income countries are making little or no profits, but few studies have been conducted to illuminate what perpetuates tobacco production, with such studies urgently needed to support governments to develop viable alternative livelihoods for tobacco farmers. This study suggests that geographic and technological factors that shape farmers' economic decisions can help policy makers tailor alternative livelihood policies to different regional contexts and should be a focus of future research in this area.
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».