A scalable approach to improve CSA targeting practices among smallholder farmers
Notice bibliographique
Résumé
With climate change, population growth, and land degradation exerting mounting pressures on agricultural systems in developing countries, climate-smart agriculture (CSA) strategies have been prioritized as a means to strengthen smallholder farmers' resilience. However, precise targeting methodologies remain a challenge. This study employs a comprehensive approach, integrating Socio-economic, and Biophysical (SEBP), and the Five Capitals Model analyses encompassing human, social, physical, natural, and financial capital. The study employs factor analysis for mixed data (FAMD), cluster analysis using partitioning around the medoids (PAM) and univariate and bivariate techniques to identify and classify distinct typologies of smallholder farming systems in Senegal's Tambacounda and Sedhiou regions in 2020. A probit regression model gauges CSA adoption probability, to better focus CSA efforts. Results underscore the pivotal role of SEBP factors in shaping distinct farmer typologies, enabling precise CSA targeting. Geographical distribution patterns of these typologies reveal non-random clustering, particularly in specific regions. Four farmer typologies emerge: Cluster 1 (Sedhiou, low-income, high climate challenges), Cluster 2 (Sedhiou and Tambacounda, low-to middle-income, moderate climatic challenges), Cluster 3 (Tambacounda, high income, favorable climate), and Cluster 4 (Tambacounda, low income, severe climate challenges). Technology mismatches emerge between farmers' SEBP profiles and capital assets, prompting the identification of relevant technologies for soil fertility restoration and increased output. These findings highlight the importance of implementing CSAs in accordance with specific requirements, such as enhancing soil fertility, yield, and nutritional quality. A contextual understanding of local agricultural dynamics is likewise necessary for optimizing intervention strategies, according to the study.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 | 0,001 |
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 ».