The impact of community-led conservation models on women's nature-based livelihood outcomes in semi-arid Northern Ghana
Notice bibliographique
Résumé
Abstract With increasing human-induced environmental degradation, women's nature-based livelihood activities are threatened. In semi-arid northern Ghana, shea processing (i.e., shea butter, a derivative of shea nut from the shea tree), a vital women-dominated economic activity, is at risk as naturally occurring shea trees continue to decline in numbers and productivity. The decline of the shea tree's number and productivity and the ensuing biodiversity loss have sparked conservation efforts by governments and local communities. This includes community-led conservation models, which have recently gained traction in the Global South. Ghana implemented the Community Resource Management Areas (CREMA)—a community-led conservation model to improve biodiversity and ecosystem services, including shea trees conservation in response to climate change. Research has not explored the impacts of community-led conservation efforts on women’s nature-based livelihoods in Ghana. Using a mixed-methods approach involving surveys (n = 517) and focus group discussions (n = 8), this study explored shea productivity outcomes under CREMAs. Findings show that women residing in CREMAs had significantly better shea harvesting outcomes than those outside CREMAs (α = −53.725; P < 0.01). These findings demonstrate the potential for targeted conservation initiatives that are community-led, such as the CREMAs, to improve the conservation of economically significant naturally occurring trees like Shea. With the increasing impacts of climate change and environmental degradation, such models would be instrumental in achieving sustainable development goals like SDG5-gender equality, SDG10-reduced inequalities, SDG13-Climate action, SDG14-life below water, and SDG14-life on land.
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 | 0,000 | 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 ».