Gender and endogenous knowledge inclusion for agroforestry systems improvement in Benin, West Africa
Notice bibliographique
Résumé
Abstract In West Africa, and Benin particularly, local forest resources can potentially contribute to both increasing and stabilizing soil productivity. However, these resources continue to be neglected with efforts instead concentrated on promoting exotic species. This study aimed to prioritize local agroforestry species on agricultural landscape by investigating the gendered, socio-demographic and agro-pedological factors of local knowledge and use of agroforestry species amongst small-holder farmers in Benin. An agroforestry inventory combined with an ethno-agroforestry survey was conducted on 364 farms with 364 farmers. A cluster analysis based on farmers' socio-demographic and agroecological factors was used to cluster farmers into two homogeneous agroforestry systems. Median score, species diversity and ecological networks were established for these two systems. Results illustrate that gendered difference exist between the priority that farmers give to multi-purpose species and this prioritization depends on priority ecosystem services for farmers and gender. Therefore, it would be useful first to consider gender and specific needs of each category of farmer to optimize the choice of agroforestry species to be promoted in such systems. The successful introduction of identified species through extension programs requires more advanced research related to the real contribution of these species to farmland fertilization, as well as the nutrient transmission pathways to associated crops in an agroforestry system to address simultaneously specific ecological, economic and socio-cultural sustainability criteria, as well as improved crop production.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».