Pre-Implementation Perceptions Among Teachers on the Use of Ecological Sanitation and Application of Human Urine as Fertilizer
Notice bibliographique
Résumé
Although human urine contains nutrients for plant growth, very few community schools in Nepal use a urine diversion dry toilet (UDDT) and apply the human urine as fertilizer in their school garden. Using human urine in agriculture reduces the use of chemical fertilizers, thus saving the expenditure associated with it. Application of human urine improves the soil fertility and may contribute to increased food security among school children if the school can supply the canteen with food for mid-day meals. This study adopted a Participatory Action Research (PAR) approach in order to understand stakeholder perspectives and involve them in the planning and implementation of urine diverting toilets. The data for this study were collected from five teachers’ focus group discussions. This paper presents teachers’ perceptions of the urine diversion dry toilet system and use of human urine as a fertilizer for the school garden. Only a few teachers accepted that human urine could be used as fertilizer, however, they were not willing to use it on their crops since it was considered impure. Due to a perceived bad odor and the uncomfortable sitting position on the UDDT, particularly for females, teachers disliked this toilet and they felt using urine as fertilizer was unnecessary. One of the key lessons drawn from the study is that schools, in collaboration with local governments, should employ participatory approaches to understanding and engaging local stakeholders, including teachers, to minimize negative perceptions prior to the application of human urine as fertilizer in the school garden.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».