MétaCan
Menu
← Retour à la cohorte
Enregistrement W7005315980

Practice of Biodiversity conservation and Agroecology Enhance Climate Change Resilience of Organized Small Scale Organic Farmers in the Philippines 
\n

2014· other· en· W7005315980 sur OpenAlexaff

Notice bibliographique

RevueOrganic Eprints (International Centre for Research in Organic Food Systems, and Research Institute of Organic Agriculture) · 2014
Typeother
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueDiverse Scientific and Economic Studies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésAgroecologyOrganic farmingAgricultureAgricultural biodiversityEcological farmingResilience (materials science)Psychological resilienceBiodiversityClimate changeSustainable agriculture
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Conservation and utilization of rice varieties by small scale farmers in the Philippines for more than two decades has led to retrieval of more than a thousand varieties of rice. The variety of rice plant characters like performance under organic farming, growth duration, height, differential resistance to pests and diseases, adaptation to climate change as well as eating quality has challenged farmers to learn breeding from their scientist partners. As a result of breeding, more than a thousand improved rice varieties were developed plus about 500 breeds developed by farmers themselves. Farmers maintain the rice varieties in trial farms which contain at least 50 varieties. MASIPAG has developed a conservation support system through a national backup farm, regional back up farm, and to some extent, provincial back up farm. \n \nFarmers and their organizations are indispensable in the development and practice of agroecology to challenge the dominant agricultural paradigm of ‘modern’, chemical and GMO farming. Small scale farmers who were disillusioned with chemical farming are now converting into organic and agroecological technologies. MASIPAG farmer were trained to develop skills of observation, trial and erro,r and establishing cause-and-effect, some of the rudiments of science. Consequently, many farmers have developed and adapted technologies on seeds, agronomic, soil and nutrient management, alternative pest management, storage, processing and marketing. Organic farming is then more sustainable with nutrient integration, and cultivation of below and above ground biodiversity with a resulting ecosystem of enhanced biological interactions and synergism. \n \nFarmer-to-farmer diffusion of seed and agroecology approaches has made organic farming diffuse in Farmers’ Organizations (PO/FO) and very cost effective because the users of technologies are right at where the technologies are developed. The technologies developed are what the farmers need. Due to common language, farmers understand more the other farmers compared to technical extension workers who often have different perspectives and priorities. The organized farming community enhances self confidence of other farmers in converting into organic and agroecological approaches based on the actual experiences and testimonies of other farmers. \n \nThe use of agrobiodiversity makes seeds in the hands of the small scale farmers resulting to less external cost in production and the differential responses of varieties, crops and livestocks to climate change is a built-in insurance and reduce exposure to losses. Agroecology methods make organic farming more sustainable. Both of the above contribute to greater capacity for resilience of farmers in the face of climate change. \n

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,090
Tête enseignante GPT0,306
Écart entre enseignants0,217 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrganic Eprints (International Centre for Research in Organic Food Systems, and Research Institute of Organic Agriculture)→Même sujetDiverse Scientific and Economic Studies→Travaux en français237 207→