Impacts of COVID-19 on agriculture and food systems in Pacific Island countries (PICs): Evidence from communities in Fiji and Solomon Islands
Notice bibliographique
Résumé
CONTEXT: COVID-19 mitigation measures including border lockdowns, social distancing, de-urbanization and restricted movements have been enforced to reduce the risks of COVID-19 arriving and spreading across PICs. To reduce the negative impacts of COVID-19 mitigation measures, governments have put in place a number of interventions to sustain food and income security. Both mitigation measures and interventions have had a number of impacts on agricultural production, food systems and dietary diversity at the national and household levels. OBJECTIVE: Our paper conducted an exploratory analysis of immediate impacts of both COVID-19 mitigation measures and interventions on households and communities in PICs. Our aim is to better understand the implications of COVID-19 for PICs and identify knowledge gaps requiring further research and policy attention. METHODS: To understand the impacts of COVID-19 mitigation measures and interventions on food systems and diets in PICs, 13 communities were studied in Fiji and Solomon Islands in July-August 2020. In these communities, 46 focus group discussions were carried out and 425 households were interviewed. Insights were also derived from a series of online discussion sessions with local experts of Pacific Island food and agricultural systems in August and September 2020. To complement these discussions, an online search was conducted for available literature. RESULTS AND CONCLUSIONS: -emergence of cultural safety networks and values, such as barter systems. Households in rural and urban communities appear to have responded positively to COVID-19 by increasing food production from home gardens, particularly root crops, vegetables and fruits. However, the limited diversity of agricultural production and decreased household incomes are reducing the already low dietary diversity score that existed pre-COVID-19 for households. SIGNIFICANCE: These findings have a number of implications for future policy and practice. Future interventions would benefit from being more inclusive of diverse partners, focusing on strengthening cultural and communal values, and taking a systemic and long-term perspective. COVID-19 has provided an opportunity to strengthen traditional food systems and re-evaluate, re-imagine and re-localize agricultural production strategies and approaches in PICs.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».