A scoping review of adoption of climate-resilient crops by small-scale producers in low- and middle-income countries
Notice bibliographique
Résumé
Climate-resilient crops and crop varieties have been recommended as a way for farmers to cope with or adapt to climate change, but despite the apparent benefits, rates of adoption by smallholder farmers are highly variable. Here we present a scoping review, using PRISMA-P (Preferred Reporting Items for Systematic review and Meta-Analysis Protocols), examining the conditions that have led to the adoption of climate-resilient crops over the past 30 years in lower- and middle-income countries. The descriptive analysis performed on 202 papers shows that small-scale producers adopted climate-resilient crops and varieties to cope with abiotic stresses such as drought, heat, flooding and salinity. The most prevalent trait in our dataset was drought tolerance, followed by water-use efficiency. Our analysis found that the most important determinants of adoption of climate-resilient crops were the availability and effectiveness of extension services and outreach, followed by education levels of heads of households, farmers' access to inputs-especially seeds and fertilizers-and socio-economic status of farming families. About 53% of studies reported that social differences such as sex, age, marital status and ethnicity affected the adoption of varieties or crops as climate change-adaptation strategies. On the basis of the collected evidence, this study presents a series of pathways and interventions that could contribute to higher adoption rates of climate-resilient crops and reduce dis-adoption.
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 | 0,023 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,011 |
| Bibliométrie | 0,021 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».