Addressing Information Disorder on Climate-Smart Agriculture: Rethinking Advisory and Extension Services for Sustainable Rural Development in Nigeria
Notice bibliographique
Résumé
The usefulness of Climate Smart Agriculture is becoming very important in making the agri-food sector stronger and more sustainable in the midst of climate change. Although Nigerian farmers are adopting CSA practices, the adoption is hindered by information disorder, which encompasses misinformation, disinformation, and malinformation. This can alter the access to information available to farmers in the region, weaken extension officers’ advisory efforts, and lead to a reduction in trust in the adoption of innovations in farming. This study, therefore, explores how information disorder affects CSA communication in Oyo State, Nigeria, and also looks into different strategies for transforming agricultural extension efforts with a focus on extant Extension 4.0. This study utilized a mixed method of research by combining survey data and interview responses from smallholder farmers, extension officers, and agricultural communication experts. SPSS and NVivo were used to analyze data and identify patterns as well as comments from respondents. Findings show that social media, farmers' groups, and unverified digital content were the major sources of information. It was revealed that these sources contributed to doubt of farmers towards CSA messages and increased the credibility gap between farmers and extension officers. Moreover, the study emphasized major challenges such as low digital literacy, insufficient regulatory oversight critical challenges such as low digital literacy, weak regulatory oversight, and limited participatory mechanisms in the current extension framework. Lessons were also drawn from Canadian advisory models with comparative ideas on cross-sectoral collaboration and media literacy integration. The study concluded that combating information disorder requires a reimagination of local communication systems. This entails the incorporation of digital knowledge and advisory strategies that are community-driven and evidence-based.
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 | 0,009 | 0,016 |
| 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 | 0,008 | 0,003 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 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 ».