Understanding Livelihood Diversification Patterns among Smallholder Farm Households in Southern Ethiopia
Notice bibliographique
Résumé
Smallholder farm households face an increasing need of looking for alternative income sources to supplement their small scale on-farm incomes. However, livelihood diversification is a complex phenomenon and it involves different forms. This study, therefore, delves to realize the patterns of livelihood diversification strategies adopted by the smallholder farmers at Kembata-Tembaro zone, Southern Ethiopia. The study was based on cross-sectional survey data from 384 farm households that were selected through a combination of three-stages: cluster, simple random, and proportional to the size of population sampling techniques. A mix of instruments including interview- schedule, focus group discussions, key informant interviews and field observations were used to acquire primary data. Descriptive statistics in combination with multidimensional approaches involving cluster analysis were used to analyze the quantitative data. The qualitative data were analyzed using word descriptions and verbatim discussions. It was found that the diversification patterns of the smallholder farm households in the study area took different forms involving alteration of land use patterns, intensification of crops and livestock productions, and non/off-farm activities. Superiority order of livelihood strategies in terms of the average annual cash income obtained by the households was set. Accordingly, commercial crop stands first followed by livestock rearing and subsistence crop production as second and third, respectively. It was suggested that livelihood diversification can only be a viable strategy to achieve sustainable rural livelihoods if the farmers are capacitated so that they can choose the right remunerative livelihood strategy among the existing options.
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 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».