Agricultural extension as a catalyst for integrated rural development: Connecting farming with non-farm livelihood options
Notice bibliographique
Résumé
Roughly 68% of rural households in Pacific Island nations depend on agriculture as their main income source, yet fewer than a quarter earn enough from farming alone to meet basic household expenses. This research investigated whether agricultural extension services could function as a bridge between on-farm production and non-farm livelihood options, using Fiji as a case setting. A cross-sectional survey of 213 smallholder farming households across three provinces in Viti Levu was conducted between June 2022 and January 2023, supplemented by focus group discussions with 18 extension officers and 32 community leaders. The research was based at the Fiji National University, Nausori, and data were gathered through face-to-face interviews using a pretested semi-structured questionnaire. Results indicated that 71.8% of farmers who had received diversified extension advice (covering both agricultural techniques and non-farm enterprise options) had started at least one supplementary income activity, compared to 29.3% among farmers receiving conventional agricultural extension only. Agro-processing was the most preferred non-farm activity (27.4%), followed by handicrafts and artisanal work (19.8%) and eco-tourism ventures (16.3%). Household income among diversified-advisory recipients was on average 43.6% higher than that of the conventional group. Extension officers reported that the main barriers to delivering integrated advice were a lack of training on non-farm enterprise topics and the absence of formal linkages with microfinance institutions and vocational training providers. Focus group data revealed that women farmers were more likely to pursue non-farm options than men, with 62.7% of female respondents engaged in at least two livelihood streams. The findings suggest that extension systems in small island developing states can meaningfully support rural livelihood diversification when agents are equipped with broader advisory skills and connected to relevant service networks beyond the agricultural sector.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».