The role of gender in firm-level climate change adaptation behaviour: Insights from small businesses in Senegal and Kenya
Notice bibliographique
Résumé
Literature on gender and climate change adaptation tends to propose that women are both especially vulnerable to climate change and especially valuable to climate change adaptation, but these ideas have been little considered in the context of adaptation within small businesses and have rarely been tested through quantitative empirical analysis. This paper responds to this gap within existing literature and explores how female representation in the ownership or management structures of micro and small businesses shapes firm-level adaptive capacity, as implied through adaptation behaviour. Using firm-level survey data from semi-arid regions of Senegal and Kenya, we employ a Poisson regression model to empirically investigate how female representation in ownership and management of micro and small businesses affects adoption of firm-level sustainable and unsustainable adaptation strategies, with increasing exposure to extreme weather events. Our results show that businesses with female leadership that faced a larger number of extreme events adopt more sustainable and fewer unsustainable strategies than those with only male leadership. We interpret this result recognising that unsustainable adaptation strategies, such as selling business assets, require a business to have access to business assets and resources and thus are an outcome of a business’ coping capacity. Consistent with literature, we then identify that adaptation assistance can mitigate some of the harmful effects of climate shocks and additionally support micro and small businesses with female leadership to adopt more adaptation strategies (both sustainable and unsustainable) – and to a greater extent than businesses with only male leadership. Results evidence the value and efficiency of developing an inclusive business enabling environment for adaptation that targets women entrepreneurs, not just for delivering on equitable climate justice agendas, but also for strategic upscaling of resilience.
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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».