Family Planning, Irrigation, and Agricultural Cooperatives for Sustainable Food Security in Kenya
Notice bibliographique
Résumé
Rapid population growth causes smallholders to practice unsustainable forms of land intensification to meet increasing food demand. Food insecurity is exacerbated by unreliable rainfall. We revisit family planning, smallholder irrigation, and agricultural cooperatives as potential sustainable solutions. We use primary data from Kakamega Central and Navakholo in Kenya. Results from respondents indicate 83% had no family planning information, while 82% had no access to irrigation. The main reasons are poverty, illiteracy, misconceptions, gender inequality, and constraints in accessing credit, lack of investment in water resources, and lack of family planning. Lack of access to agricultural extension services limits the adoption of sustainable farming practices. Cooperatives’ principles and values make them suitable pathways to reach the poorest and facilitate members’ access to productive resources. Cooperatives can be used to train members in sustainable agricultural practices and educate members on family planning issues. Descriptive statistics and econometric regression results suggest that cooperatives have contributed to better yields, incomes, nutritional status, and reduced poverty. However, they are constrained by a lack of capital, credit, infrastructure, markets, training and technology, delayed payment, and low prices. Governments and development agencies should support the establishment and development of cooperatives with capacity building, market infrastructure, finance, and education in cooperative principles and values.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».