Digital technologies and food security during crisis: COVID-19 experiences from smallholder farmers in Odisha, India
Notice bibliographique
Résumé
This research explores the significance of digital agricultural technology concerning food security for smallholder farmers and their communities in Odisha, India, amidst the COVID-19 pandemic. The study is a collaborative effort between academic researchers based in Canada, 15 small-scale farmers from Odisha, and the India-based social enterprise, eKutir. The farmers’ experiences utilizing eKutir’s technology are examined to understand how it aids them in meeting their food security requirements, sustaining their livelihoods and participating in local food systems before and during the pandemic. eKutir shares transactional data that illustrate how their platform facilitates food movement through local food systems during the pandemic while exploring its potential to enhance food security and food system resilience further. The primary goal of this research is to strengthen the adaptive capacity of smallholder farmers and the food systems dependent on them, particularly during non-conflict crises like the COVID pandemic, that affect economic, physical, and social aspects of life. This research is also intended to contribute to the continued development of digital technology in a way that supports smallholder farmer interests. Our findings reveal that access to eKutir’s platform enabled farmers to remain connected to essential markets, continue earning income, and support local food systems during the COVID pandemic. While potential negative consequences associated with data-focused agricultural technologies can acrue, when technology design is guided by and tailored to the needs of resource-constrained farmers, it can substantially contribute to their resilience in the face of contemporary challenges and risks.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 | 0,000 |
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 ».