Agricultural mechanization, environmental degradation, and gendered livelihood implications in northern Ghana
Notice bibliographique
Résumé
Abstract This paper draws theoretical insights from political ecology to examine the environmental and livelihood impacts of smallholder agricultural mechanization in Ghana in the context of the ongoing pursuit of a new Green Revolution for Africa. Our findings highlight the complex linkages between agricultural development, environmental degradation, and rural livelihoods. Despite the associated increased returns‐to‐scale in agricultural productivity and enhanced speed in land preparation with tractor‐based mechanization, the clearing of major trees on farmlands as a precondition for obtaining ploughing services encourages land degradation, including the depletion of vital naturally growing tree species—shea (Vitellaria paradoxa) and dawadawa (Parkia biglobosa)—that have critical food provisioning, cultural, and socioeconomic value. The drive towards extensification has further produced competitive forces that fuel the appropriation of previously inalienable communal lands and weakening of longstanding norms that mediate environmental resource conservation and use. This situation is poised to alter customary land governance and the basis on which women assert their rights to land‐based resources including shea and dawadawa. Marginalized women are progressively shifting their livelihood strategies into environmentally unsustainable subsistence activities. This study demonstrates the adverse ecological, socioeconomic, and political impacts of agricultural mechanization when implemented in agrarian societies marked by widespread poverty and pervasive gender inequities. Given the growing centrality of tractors and trees to rural livelihoods, we recommend conservation agriculture for the simultaneous promotion of sustainable agriculture and environmental conservation. Relevant social policies must also be implemented to ameliorate the adverse livelihood impacts of these agrarian reforms.
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 | 0,001 |
| 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 | 0,001 | 0,002 |
| 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) | 0,005 | 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 ».