Livelihood profiles and adaptive capacity to manage food insecurity in pastoral communities in the central cattle corridor of Uganda
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
Adaptive capacity is the capabilities, resources and institutions of a country or region to implement effective adaptation measures. This article aims to highlight pastoral communities’ differential adaptive capacity to buffer household food insecurity. We use mixed methods including case households and key informants to provide qualitative data on determinants of adaptive capacity. Subsequently cluster analysis is applied to combine survey data from respondent households on the basis of the livelihood capitals. Three distinct, heterogeneous livelihood profiles are identified. The Minimally-endowed face uncertain access to livelihood capitals; Large-herd Landlords are endowed with physical and financial capital – ownership of land and large numbers of livestock; while the Land-rich are endowed with natural capital – access to large sizes of land. This denotes different types of adaptive capacity and underscores the need for agricultural extension, technology transfer and other interventions to be differentiated based on the variance in adaptive capacity and challenges of the existing heterogeneous livelihood clusters. We argue that if such differences are not first identified, development strategies including those of agricultural extension could fail in their attempts to ensure sustainable household food security. Rather than being a homogenous community, pastoralists in the central cattle corridor of Uganda belong to three heterogeneous livelihood profile clusters. Each cluster is differentially endowed with livelihood capitals which denote different types of adaptive capacity. As an empirical study done at household level, this work contributes insights that can be considered in designing and undertaking studies of other rural communities, prior to planning and execution of 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 découle