Introduction: Young People’s Pathways into Farming
Notice bibliographique
Résumé
Abstract The world’s crisis-ridden agriculture and food systems, besides huge environmental challenges, are facing a looming problem of generational renewal. Farming populations are ageing, many farmers appear to have no successor, and it is widely claimed that young people are not interested in farming; smallholder farming in its present state appears to be so unattractive to young people that they are turning away from agricultural futures. Will there be a new generation of farmers to take the place of today’s ageing farmers? What are the experiences of young people who are establishing themselves as farmers, and how are these pathways gendered? How can young farmers be supported to feed the world’s growing population? These are the questions that stimulated us and our colleagues in Canada, China, India, and Indonesia to join together in the multi-country research project, Becoming a Young Farmer: Young People’s Pathways into Farming in Four Countries. Each team used multi-sited case study research to bring to life the experiences of young farmers and would-be farmers, the various challenges they face, and important differences in their experiences both within and between the countries and study sites. By concentrating on women and men who have managed, or are trying, to set up their own farming livelihoods at a relatively early stage in their lives, we aimed to contribute both to theory by clarifying the generational dimension in the social reproduction of agrarian communities, and to policy by clarifying the barriers that young rural men and women confront in accessing land and other resources as well as the role of policies, institutions, and young people’s own individual and collective efforts in overcoming these barriers.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».