A review of agricultural extension roles in climate change adaptation and mitigation among farmers in Nigeria
Notice bibliographique
Résumé
This review aims to provide an overview of agricultural extension roles in climate change adaptation and mitigation. It deals with farmers’ access to extension services, roles of extension services, climate change-related training needs of extension personnel, the influence of extension contact on adopting climate change adaptation strategies, and constraints experienced by agricultural extension from existing empirical studies. Preferred Reporting Items for Systematic Reviews and Meta-Analyses was used to retrieve and analyse 78 studies. The majority (89.6%) of the studies have shown that farmers do not have access to climate change-related extension services. Extension services focused more on the transfer of information (98.2%), provision of technical advice (48.3%), and support of indigenous adaptation and mitigation strategies (32.6%). The main training needs of extension personnel were skills in the utilization of information and communication technologies (76.5%) and assessment and utilization of climate change-related farming technologies (45.7%). Extension contacts had a positive influence on climate change adaptation (95.7%), while the extension faced the challenges of poor funding (86.8%), inadequate manpower (76.4%), and lack of capacity (67.7%). The study concluded that agricultural extension plays an active role in climate change adaptation and mitigation and recommended more funding and capacity development should be provided for extension personnel. More studies are needed to identify the extent of the positive outcome of extension contact on climate change management among farmers.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».