Differences in income, farm size and nutritional status between female and male farmers in a region of Haiti
Notice bibliographique
Résumé
Introduction Haiti is the poorest country in the Americas and has the highest levels of gender inequality. It has high burdens of malnutrition and food insecurity. Our aim in this study was to investigate differences between female and male heads of farms in their farm's size and income and in their nutritional status. Methods We conducted a mixed-method study with a quantitative survey with 28 female and 80 male farmers and qualitative semi-structured interviews with seven women and 11 men, in nine rural communities, Plateau de Rochelois, Nippes, Haïti. Results We found that significant inequalities existed between female and male heads of farms in this region of Haiti. Farm income was associated with farm size, with female farmers having on average smaller farms, and markedly lower farm incomes compared to male farmers, even after adjusting for the fact that their farms were smaller. Male farmers also had more access to seeds, financing and transportation to market. In addition, female farmers had markedly higher levels of overweight and obesity. In both male and female heads of farms around 1 in 20 were underweight. Discussion These findings complement those from other settings, showing that female farmers in low- and middle- income countries typically face severe challenges in accessing resources such as land, credit, and inputs, which can limit their productivity and income-generating potential. Gender sensitive interventions to promote farmer health, well-being and productivity are required.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».