Benefits of farmer managed natural regeneration to food security in semi-arid Ghana
Notice bibliographique
Résumé
Abstract Promoting Farmer Managed Natural Regeneration (FMNR) aims to increase the productive capacities of farmer households. Under FMNR, farmers select and manage natural regeneration on farmlands and keep them under production. While FMNR contributes to the wealth of farming communities, its contribution to household food security has rarely been researched. We, therefore, used a mixed-methods approach to address the research gap by measuring FMNR’s contribution to food security among farmer households in the Talensi district of Ghana. We adopted the Household Dietary Diversity Score (HDDS) and Food Consumption Score (FCS) to estimate food security status among 243 FMNR farmer households and 243 non-FMNR farmer households. Also, we performed a Chi-square test of independence to compare the frequency of each food group (present vs not present) between FMNR adopters and non-FMNR adopters to establish the relationship between adopting FMNR and consuming the FCS and HDDS food groups. Our results reveal that FMNR farmer households are more food secure than non-FMNR farmer households. The HHDS of the FMNR farmer households was 9.6, which is higher than the target value of 9.1. Conversely, the HHDS of the non-FMNR farmer households was 4.3, which is lower than the target value of 9.1. Up to 86% and 37% of the FMNR farmer households and non-FMNR farmer households fell within acceptable FCS; 15% and 17% of FMNR farmer households and non-FMNR farmer households fell within borderline FCS. While none of the FMNR farmer households fell within poor FCS, 46% of non-FMNR farmer households fell within poor FCS. Adopting FMNR is significantly related to consuming all food groups promoted and benefiting from FMNR practices. The paper recommends enabling farmers in semi-arid environments to practice and invest in FMNR for long-term returns to food security.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».