The Global Land Rush and Agricultural Investment in Ghana: Existing Knowledge, Gaps, and Future Directions
Notice bibliographique
Résumé
The large-scale acquisition of land by investors intensified following the 2007/2008 triple crises of food, energy, and finance. In the years that followed, tens of millions of hectares of land were leased or sold for agricultural investment. This phenomenon has resulted in a growing body of scholarship that seeks to explain trends, institutional regimes, impacts, and the variety of actors involved, among other subtopics, such as impacts on food security and livelihoods. Focusing on the case study of Ghana, this paper presents a review that uses both quantitative and qualitative methods to critically assess the state of large-scale land acquisitions for agricultural development in Ghana. Our objective in this review is to provide an overview of what we know about such acquisitions in Ghana while pointing to gaps and directions for future research. Contrary to the perception of large-scale land acquisitions being undertaken by foreign investors, the review shows there is a significant role of Ghanaian investors. Additionally, we found the negative impact of these acquisitions, specifically biofuel projects, which featured predominantly in the literature captured in this study. In addition, the role of traditional authorities (chiefs) was a central focus of studies dedicated to land acquisitions in Ghana. Areas that are either understudied or missing from the literature include conflicts, climate change, biodiversity, corporate social responsibility, gendered social differentiation, ethnicity, and the role of diaspora. These gaps call for future research that examines the land question from a multidimensional and multidisciplinary perspective.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».