Factors Influencing Soil Erosion Control Practices Adoption in Centre of the Republic of Benin: Use of Multinomial Logistic
Notice bibliographique
Résumé
Water erosion threatens large agricultural areas in Benin. This study dealing with the effect of personal household’s attributes and field physical characteristics on erosion control practices was carried out in the watershed of Zou. A total of 390 farmers distributed in six were randomly sampled. Questionnaires, interview, focus group discussion and field observation were used as the main data collection technics. It allowed to collect sociodemographic and institutional characteristics and have a view on the effectiveness of the erosion control practices adoption. The data were analyzed using descriptive statistic and logistic regression. Ridging parallel to the slope (40.77% in adoption); mulching (11.03% in adoption); isohypse ridging (16.67% in adoption) and no-tillage (8.46 in adoption) were inventoried as soil erosion control practices on the watershed. It appears that that the household’s sociodemographic and institutional attributes and field physical characteristics significantly affected the adoption of the inventoried water erosion control practices. Sex, education, farmer’s organization membership, landownerships, access to agricultural advice service, position of the field on the toposequence and presence of water stream significantly influenced the soil erosion control practices adopted on the watershed. The results of this study showing that set of factor sway farmers to adopt soil erosion control practices can help policy makers to upscale the adoption of the practices and soil scientists to orient their research programs on erosion control practices.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».