MétaCan
Menu
Retour à la cohorte
Enregistrement W2918388551 · doi:10.1002/sd.1934

Identities, interests, and preferences matter: Fostering sustainable community development by building assets and agency in western Kenya

2019· article· en· W2918388551 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSustainable Development · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban and Rural Development Challenges
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésAgency (philosophy)Sustainable developmentCommunity developmentBusinessEconomic growthEnvironmental resource managementPolitical scienceSociologyEconomicsSocial science

Résumé

récupéré en direct d'OpenAlex

Abstract The efficiency and sustainability of climate change adaptation projects depend on appropriate models and tools to take climate‐smart practices to scale. This paper presents the “Building assets and agency” approach taken by the Accelerating Adoption of Agroforestry project whose objective is to scale the adoption of context‐specific adaptation and mitigation options. Through the approach, communities are encouraged to identify, mobilise, and use their existing assets to define community plans that are responsive to their identities, interests, and preferences. This innovative approach combines conscious selection of project staff and partners, group capacity and agency training, cocreation of skills in self‐selected agricultural practices with an emphasis on business skills, and tools for sustainable scaling through farmer‐to‐farmer extension. The paper addresses challenges and solutions, and case study data justifying proof of concept. While developed in a climate change context, and being sensitive to a number of factors, the approach can support effective, efficient, and socially appropriate action in any sector.

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.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,203
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,026
Tête enseignante GPT0,279
Écart entre enseignants0,253 · 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