The Gender–Climate–Security Nexus: A Case Study of Plateau State
Notice bibliographique
Résumé
This study investigates the gendered nexus between climate change, food insecurity, and conflict in Plateau State, Nigeria. This region in north-central Nigeria is marked by recurring farmer–herder clashes and climate-induced environmental degradation. Drawing on qualitative methods, including interviews, gender-disaggregated focus groups, and key informant discussions, the research explores how climate variability and violent conflict interact to exacerbate household food insecurity. The methodology allows the capture of nuanced perspectives and lived experiences, particularly emphasizing the differentiated impacts on women and men. The findings reveal that irregular rainfall patterns, declining agricultural yields, and escalating violence have disrupted traditional farming systems and undermined rural livelihoods. The study also shows that women, though they are responsible for household food management, face disproportionate burdens due to restricted mobility, limited access to resources, and a heightened exposure to gender-based violence. Grounded in Conflict Theory, Frustration–Aggression Theory, and Feminist Political Ecology, the analysis shows how intersecting vulnerabilities, such as gender, age, and socioeconomic status, shape experiences of food insecurity and adaptation strategies. Women often find creative and local ways to cope with challenges, including seed preservation, rationing, and informal trade. However, systemic barriers continue to hinder sustainable progress. This study emphasized the need for integrating gender-sensitive interventions into policy frameworks, such as land tenure reforms, targeted agricultural support for women, and improved security measures, to effectively mitigate food insecurity and promote sustainable livelihoods, especially in conflict-affected regions.
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 | 0,002 | 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 | 0,015 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».