Gendered Uptake of Sustainable Intensification Practices among Maize Commercializing Smallholder Farmers in Eastern Districts of Uganda
Notice bibliographique
Résumé
Commercialization of food crops, such as maize can dynamically shift control over productive resources or accrued income from women to men. This can restrict women’s ability to access or buy productive inputs. However, scanty information is available on how changing gender roles and relations can affect smallholder farmers’ use of sustainable intensification practices. This study described how gender inequalities in access to resources and appropriation of gains affect the uptake of sustainable intensification (SI) practices among maize commercializing farmers in eastern Uganda. Qualitative Survey data collected from a random sub-sample of 72 (36 women and 36 men) maize farmers from 584 maize commercializing smallholder farmers survey participants, was subjected to thematic content analysis. It was intended to follow up four unique profiles of farmers; those who did not use SI practices, the ones who used only intensification (improve maize varieties and fertilizers) or sustainable practices (organic manure and maize-legume intercrop), and those who used joint, one or more sustainable intensification practices. Findings revealed all four profiles to be highly gendered. Only women did not use any SI practice, and only men used intensification practices due to gender roles, responsibilities, and tasks shaped by traditions that give men terminal control over productive assets and gained resources. Both men and women used sustainable and sustainable intensification practices because of the negotiation process and opportunities that gave women more rights over resources. Thus, social-cultural histories and values constrain married women from implementing innovations such as SI practices because these values restrict women’s authority over productive resources. It is recommended that for inclusive transformative interventions to be introduced successfully in rigid patriarchal contexts, it is vital to enhance the negotiation skills of women.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| 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 ».