Does Conservation Agriculture Enhance Household Food Security? Evidence from Smallholder Farmers in Nkhotakota in Malawi
Notice bibliographique
Résumé
<p>The paper identified factors that influence the adoption and contribution of conservation agriculture (CA) on household food security using household-level data collected in 2010 from Nkhotakota District, Central Malawi where Total Land Care (TLC) a local Non-governmental Organization (NGO) has been promoting CA. To determine factors that influence adoption of CA, a Probit regression model was used. Then, the paper compared estimated production function between adopters and non- adopters of CA. The Probit results show that age and education level of the household head, number of extension visits, and land holding size are important factors that influence farmers’ adoption of CA in the study area. Further results showed that CA adopters had more than 50% higher maize production than that of non-adopters from the Cobb-Douglas production estimates. From the findings, there should be improvement in the delivery of extension services in the promotion and dissemination of agricultural technology to foster wider adoption and improve food security status in the study areas. This can be achieved through increased number of extension workers, increase number of demonstrations when introducing CA technology and improved access to formal education. Our overall results show consistently that CA adopters are better off than non-adopters in various aspects such as maize production, per capita maize requirements and meal frequency. As such, the promoting and up-scaling of CA technologies to smallholder farmers should be intensified as an effective strategy for addressing household food insecurity than the promotion of chemical fertilizers use through programs such as the Farm Inputs Subsidy Program, which is not only unsustainable, but also inappropriate for poor resource farmers.</p>
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».