Community-Level Impacts of Climate-Smart Agriculture Interventions on Food Security and Dietary Diversity in Climate-Smart Villages in Myanmar
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Diversification of production to strengthen resilience is a key tenet of climate-smart agriculture (CSA), which can help to address the complex vulnerabilities of agriculture-dependent rural communities. In this study, we investigated the relationship between the promotion of different CSA practices across four climate-smart villages (CSVs) in Myanmar. To determine the impact of the CSA practices on livelihoods and health, survey data were collected from agricultural households (n = 527) over three years. Within the time period studied, the results indicate that some the CSA practices and technologies adopted were significantly associated with changes in household dietary diversity scores (HDDS), but, in the short-term, these were not associated with improvements in the households’ food insecurity scores (HFIAS). Based on the survey responses, we examined how pathways of CSA practice adoption tailored to different contexts of Myanmar’s four agroecologies could contribute to the observed changes, including possible resulting trade-offs. We highlight that understanding the impacts of CSA adoption on household food security in CSVs will require longer-term monitoring, as most CSA options are medium- to long-cycle interventions. Our further analysis of knowledge, attitudes and practices (KAPs) amongst the households indicated a poor understanding of the household knowledge, attitudes and practices in relation to nutrition, food choices, food preparation, sanitation and hygiene. Our KAP findings indicate that current nutrition education interventions in the Myanmar CSVs are inadequate and will need further improvement for health and nutrition outcomes from the portfolio of CSA interventions.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle