Challenges in adoption and wide use of agroforestry technologies in Africa and pathways for improvement: A systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In recent years, agroforestry technologies have emerged as promising alternative measures for addressing major environmental crises. However, their use in Africa remains below anticipated levels. Therefore, this systematic review aims to investigate the underlying reasons for the low adoption and limited use of such technologies in Africa. Employing the Preferred Reporting Items for Systematic reviews and Meta-analyses protocol (PRISMA), we conducted a comprehensive search for relevant scientific papers in databases such as Google Scholar, Scopus and Web of Science. A total of 351 articles were initially identified. Following the predefined inclusion and exclusion criteria, 36 articles were selected from which data were manually extracted for inclusion in this review. Descriptive statistics were employed to assess the farmers’ perceptions of agroforestry technologies and the constraints they face when adopting them. Several constraints were identified, and the top five constraints were pests, problems of land access, lack of knowledge and skills, lack of capital and lack of seeds. To maximise the adoption of agroforestry technologies in Africa, it is imperative to introduce the technologies by considering the local context, the specific needs of farmers and the existing socio-economic dynamics. Such initiatives must include robust training and education programmes, accessible financing solutions, appropriate land tenure reforms and effective support mechanisms for access to seed and pest management. These factors could considerably improve the adoption and effectiveness of agroforestry technologies in Africa, thereby contributing to more sustainable and resilient agricultural practices.
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.
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 | 0,000 | 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 découle