Impact of perceptions of climate variability on investment decisions pattern among smallholder rice farmers in Nigeria
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
ABSTRACT Although perceptions of climate change have been widely studied, limited attention has been given to how these perceptions influence the investment decisions of smallholder farmers in rice production. This study, therefore, examined the impact of perceived climate variability on investment choices among smallholder rice farmers in the study area. A multi-stage sampling technique was used to select 240 smallholder farmers. Data were collected through field surveys, interviews, and structured questionnaires and were analyzed using descriptive statistics and a Seemingly Unrelated Regression (SUR) model. Descriptive analysis revealed that 61.90% of the rice farmers perceived climate variability in their environment. In response to these perceptions, 86.60% of the farmers invested in labor, 72.80% in herbicides, 66.80% in fertilizers, 46.50% in pesticides, and 34.70% in tractor rentals. Notably, a majority of 58 farmers simultaneously invested in three different inputs. Results from the SUR model indicated that household size, extension services, income, age, farm size, membership in cooperative societies, access to credit, primary occupation, participation in farm associations, years of education, and perception of adverse climatic conditions significantly influenced farmers' investment decisions. The study concludes that smallholder rice farmers tend to make multiple investment decisions as a strategy to cope with climate variability. It recommends that stakeholders involved in climate change mitigation and adaptation initiatives intensify efforts to educate smallholder farmers on the benefits of diversified investment strategies in the face of changing climatic conditions.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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