Vulnerability of Farmers to Crop Farming Risks in Ethiopia: An Integrated Vulnerability Analysis Approach Using Social-Ecological System Framework
Notice bibliographique
Résumé
Crop production under a smallholder system is challenged by several (a)biotic risks those resulted in livelihood insecurity. This study assesses farmers’ perceived vulnerability level to the crop farming risks and identifies its determinants using an integrated vulnerability analysis approach. Survey data collected from 393 sample households in West Shewa Zone, Ethiopia, were analyzed using PCA and ordered probit regression. Results indicate that 13 percent of the sampled households are highly vulnerable, 73.5 percent are moderately vulnerable and 13.5 percent are less vulnerable where 77 percent of the highly vulnerable groups faced more than 3 months lean season and 72 percent of the less vulnerable groups faced less than 3 months of lean season. Moreover, farming experience and education level of household head, livestock owned, farm size, on-farm diversification, access to credit, small scale irrigation, off-farming income, extension contact, and social capital are significantly affecting the perceived vulnerability level. These calls for need-based government and/or non-government intervention plans focusing on improving rural infrastructure and facilities and devising an effective and responsive institutional setup for enhancing the responsive capacities of smallholder farmers in the short-run and minimizing the likelihood of exposure and sensitivity in the long-run.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».