“Dear Brother Farmer”: Gender-Responsive Digital Extension in Tunisia during the COVID-19 Pandemic
Notice bibliographique
Résumé
Providing farmers with essential agricultural information and training in the era of COVID-19 has been a challenge that has prompted a renewed interest in digital extension services. There is a distinct gender gap, however, between men’s and women’s access to, use of, and ability to benefit from information and communication technologies (ICTs). The overall purpose of this research is to examine how digital extension can address gender inequality in rural areas in the context of the COVID-19 crisis by designing and evaluating the gendered impacts of a digital extension intervention delivered to 624 farmers (363 men and 261 women) (which included phone distribution, radio and SMS messages, and sharing of information prompts) in northern Tunisia. In order to assess the effectiveness of gender-responsive digital extension that targets husband and wife pairs, as opposed to only men, we employed logistic regression and descriptive statistics to analyze a sample of 242 farmers (141 women and 141 men). We find that phone ownership facilitated women’s access to their social network, as well as agricultural information and services, ultimately improving their participation in household decision making and agricultural production. We find that gender-responsive digital extension is effective for men and especially women in terms of usefulness, learning, and adoption. We identified education level and cooperative membership as important factors that determine the impact of digital extension services on farmers and demonstrate the positive impact of radio programming. We recommend strengthening phone access for women, targeting information (including through non-written ways) to both husbands and wives, using sharing prompts, and more rigorous extension for knowledge-intensive topics such as conservation agriculture and rural collectives.
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 | 0,003 | 0,010 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».