MétaCan
Menu
Retour à la cohorte
Enregistrement W4310027140 · doi:10.5539/enrr.v12n2p53

Perception and Resilience Strategies of Livestock Farmers and Agro-Pastoralists Affected by Climate Change: Case of the urban commune of Tera, Niger

2022· article· en· W4310027140 sur OpenAlexvenueno aff
Harouna Abdou, Moussa Seyni Hassimi, Bassirou Habi, Hamani Marichatou

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPastoralismClimate changeLivestockPsychological resilienceSocioeconomicsGeographyFodderResilience (materials science)Tera-AgroforestryEnvironmental resource managementEnvironmental scienceForestryAgronomyEconomics

Résumé

récupéré en direct d'OpenAlex

This study aimed to identify and strengthen the resilience of livestock and agro-pastoralists in the face of changing climatic conditions. The study was conducted in the urban commune of Tera. The methodological approach consisted of desk research and data collection. In order to find the number of households to be surveyed in the selected camps, the method of taking a sample (8%) of the target households is adopted. In total, forty-eight (48) herders and agro-pastoralists are selected. The analysis of the perception of the herders and agro-pastoralists on the climate trend showed a decrease in the amount of rainfall (94% of respondents), increasingly high temperatures (92%) and an increase in strong and sandy winds in all seasons (96%). The disappearance of plant cover was the main cause of climate change according to 79.2% of respondents. The impacts of climate change are numerous. Pastoral resources (water and fodder) have been greatly reduced. The health of the animals has been affected, as has their production. Strategies have been developed by farmers and agro-pastoralists to reduce or anticipate the negative effects of climate change. According to some respondents, the strategies have not fully met expectations.

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)0,001
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 enseignants0,897
Score d'incertitude au seuil0,450

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,018
Tête enseignante GPT0,259
Écart entre enseignants0,240 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetAgriculture and Rural Development ResearchTravaux en français237 207