MétaCan
Menu
Retour à la cohorte
Enregistrement W4408518753 · doi:10.1016/j.sftr.2025.100543

Adaptation strategies by smallholder farmers to climate change and variability: The case of the savannah zone of Ghana

2025· article· en· W4408518753 sur OpenAlexfundno aff
Awo Boatemaa Manson Incoom, Kwaku Amaning Adjei, Samuel Nii Odai, Ebenezer K. Siabi, Peter Donkor, Kwasi Frimpong

Notice bibliographique

RevueSustainable Futures · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensnon disponible
Organismes subventionnairesWorld Bank GroupMinistry of Agriculture and Food
Mots-clésAdaptation (eye)Climate change adaptationClimate changeGeographyAgroforestryAgricultural economicsEnvironmental scienceEnvironmental resource managementEcologyEconomicsBiology

Résumé

récupéré en direct d'OpenAlex

In semi-arid regions, the biggest threat to agriculture is climate change . This is because agricultural activities in these regions rely heavily on rainfall thus making the communities there particularly vulnerable. Sustainable adaptation techniques are therefore one way to survive in these circumstances. The Multinomial Logit Model (MNL) is thus utilised in ascertaining the dynamics of the adaptation techniques that are being applied by farmers in the Savannah zone of Ghana. The farmers acknowledged the existence of climate change and listed some detrimental effects on their means of existence. While many of the farmers were making an effort to adjust to the circumstances, some were not using any adaptation strategies despite the alleged climate changes they had observed. Among the most effective adaptation techniques found were planting of drought-resistant varieties, adjusting planting schedule and timing of different crops. The choice of an adaptation technique is known to be influenced by several factors. A few of those acknowledged were years of farming experience, farm size and educational attainment. It was discovered that educational attainment was the major factor influencing adaptability. The more educated a person is, the more likely they will use an adaptation strategy. The primary cause of adaptation restrictions was determined to be financial constraints, which were closely followed by restricted access to climatic information. It was found that most of the techniques employed by the farmers are reactionary. However, because of the complexity of climate change, effective adaptation requires a combination of both proactive and reactive techniques.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,248
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable FuturesMême sujetClimate change impacts on agricultureTravaux en français237 207