MétaCan
Menu
Retour à la cohorte
Enregistrement W3001416420 · doi:10.5539/sar.v9n1p67

Impact of Social and Institutional Factors on the Uptake of Conservation Agriculture: A Case of Zambia and Zimbabwe

2020· article· en· W3001416420 sur OpenAlexvenueno aff
Putso Nyathi, Thinah Moyo, Héléna Posthumus, Joe B. Stevens

Notice bibliographique

RevueSustainable Agriculture Research · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgriculturePromotion (chess)Crop rotationConservation agricultureDisturbance (geology)Natural resource economicsAgricultural economicsBusinessEconomicsAgroforestryPolitical scienceGeographyEnvironmental scienceLawPolitics

Résumé

récupéré en direct d'OpenAlex

Conservation agriculture (CA) involves the practice of three interlinked principles of minimum soil disturbance, a permanent soil cover and crop rotation. Despite the many stated benefits of the technology, its uptake in Africa has been slow. This study applies the theory of planned behaviour to investigate the attitudes, the role of the social system (social influence, by-laws and customs) and the institutional environment in the decision to practice CA principles and on the area under CA in Choma, Zambia and Nkayi, Zimbabwe. The study finds differing attitudes between districts towards CA outcomes. Local by-laws have a positive correlation with the practice of minimum soil disturbance but negative correlations with the practice of soil cover and crop rotation. Social influence and customs have significant relationships with the area under CA. Institutional support is perceived to be necessary for the practice of minimum soil disturbance but not so for the practice of crop rotation or on the area under CA. We conclude that the attitudes towards CA depend on the performance of the CA options promoted to farmers while the effects of the social system components and institutional factors on the uptake of CA depends on how the particular CA principle fits into the social and institutional environment in which it is promoted. We recommend agriculture extension services and policymakers to pay more attention to these issues in the promotion of CA.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,899
Score d'incertitude au seuil0,621

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,112
Tête enseignante GPT0,354
Écart entre enseignants0,242 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Agriculture ResearchMême sujetAgricultural Innovations and PracticesTravaux en français237 207