Contribution of the Characteristics of Farmers to use of Coping Strategies towards Household Food Security
Notice bibliographique
Résumé
A study was carried out at each of three flood affected reverine villages of three upazilas (small administrative unit) under Jamalpur district in Bangladesh during September, 2011 to May, 2012 to find out the contribution of the characteristics of the farmers to the use of coping strategies towards household food security practiced by the farmers during flood. Data were collected from randomly selected 336 respondents both the qualitative and quantitative techniques and analyzed with the help of SPSS. Out of 18 characteristics, 11 had positive, 2 had negative and 5 had no significant relation with coping strategies towards household food security during flood period. Stepwise regression analysis revealed that six variables namely participation in income generating activities (IGAs) (20.1 percent), knowledge on flood coping mechanisms (8.5 percent), cosmopoliteness (6.5 percent), utilization percentage of received credit (2.0 percent), water and sanitation condition (1.6 percent) and year round household food situation (0.8 percent) were the major contributing variables which combindly explained 39.5 percent of total variations. Path analysis revealed that knowledge on flood coping mechanisms had the highest positive direct effects (0.285) and participation in IGAs had highest positive indirect effects (0.169) on coping strategy practices. Considering the relative contribution on the coping strategy practices towards household food security during flood period, based on their direct effects, the six variables could be arranged as follows knowledge on flood coping mechanism > participation in income generating activities > cosmopoliteness > water and sanitation condition > year round household food situation > utilization of received credit.
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 ».