The mitigating role of climate smart villages to the impacts of COVID-19 pandemic in the Myanmar rural communities
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
Climate smart village approach is identified as an important strategy laid out in the Myanmar Climate Smart Agriculture Strategy (MCSAS, 2016) Four climate smart villages were established in 2017 to facilitate participatory action research to develop the CSV approach as well as to generate evidence of outcomes. The CSV approach is based on the principle of community-directed research process where community-members collaborate with an external researcher to investigate community challenges and their solutions. Like other countries in 2020, the height of the COVID-19 pandemic, Myanmar implemented wide-scale national and local restrictions on mobility that impacted trade and business resulting to an economic slowdown. Rural communities dominated by smallholder agriculture in Myanmar are not spared from the negative impacts of these restrictions. This paper seeks to assess the impacts of the COVID-19 pandemic to the 4 climate smart villages in Myanmar by analyzing household survey data (N = 527) collected in 2020 during the height of economic disruptions and comparing these data to the household survey conducted during the pre-pandemic period of 2018. Our analysis indicated that overall, the effect of the pandemic to agriculture production in 2020 production season in the 4 CSVs has been minimal as evidenced by the continued agriculture production at the same levels as the pre-pandemic conditions in 2018. The effects to household food security and diet diversity has been varied. Sakta village in Chin state in the highlands have demonstrated that diversified production systems enable them to achieve food security in the pandemic year of 2020.
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 | 0,020 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| 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