MétaCan
Menu
Retour à la cohorte
Enregistrement W4221095399 · doi:10.1163/09744061-20220127

Human Mobility and Climate Change Adaptation in Small-Scale Farming Areas in Eastern Zimbabwe

2022· article· en· W4221095399 sur OpenAlexaff
Trymore Maganga, Cathy Conrad Suso

Notice bibliographique

RevueAfrica Review · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensSaint Mary's University
Organismes subventionnairesnon disponible
Mots-clésLivelihoodAgricultureAgroecologyFood securityDiversification (marketing strategy)Climate changeGeographyScale (ratio)BusinessNatural resource economicsEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Abstract This paper examines the role played by human mobility as a climate change adaptation strategy in Zimbabwe’s small-scale farming areas. Livelihoods in Zimbabwe’s small-scale farming areas are mostly agriculture-based and have long suffered from low levels of production. This is largely due to poor agroecological conditions and lack of agricultural investment, including income diversification projects from the central government. Recently, extreme climatic events in these areas have exacerbated food insecurity challenges, prompting many households to relocate. The findings of this study indicate that most households in the small-scale farming regions are resorting to either short- or long-term migration to areas that offer them food security. In these areas, poor households are forced to work on large commercial farms where they are paid in maize grain or trade their products for food to support their families. This paper argues that, if properly used together with other climate change policies promoted in Zimbabwe, human mobility can be an effective climate change adaptation strategy in small-scale farming areas.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,317
Score d'incertitude au seuil0,863

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,260
Tête enseignante GPT0,356
Écart entre enseignants0,096 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAfrica ReviewMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207