《Climate Risk Management》：Collaborative learning networks on climate change adaptation practices among smallholder farmers: A case study from Central Uganda
编辑推荐：
该研究使用社会网络分析(Social Network Analysis, SNA)绘制气候适应方面的协作学习网络。小农户农民主要参与非正式的协作学习网络以获取气候变化适应知识。小农户农民与国家机构在气候变化适应学习方面存在脱节。学术与研究机构对气候变化适应协作
该研究使用社会网络分析(Social Network Analysis, SNA)绘制气候适应方面的协作学习网络。小农户农民主要参与非正式的协作学习网络以获取气候变化适应知识。小农户农民与国家机构在气候变化适应学习方面存在脱节。学术与研究机构对气候变化适应协作学习的贡献未被小农户农民认可。示范农户(model farmers)的作用可作为弥补推广服务传递缺口的机遇。研究人员指出，应重视非正式网络中同伴农户与示范农户在知识扩散中的结构位置，并通过桥梁行动者打通小农户农民、推广人员、非政府组织(Non-Governmental Organizations, NGOs)与国家机构之间的连接。
研究背景方面，气候变化通过升温、降水变化与干旱影响半干旱地区农业，巴黎协定第7条要求具备赋能环境以支持能力建设、资金、制度安排与知识共享。已有研究承认社会网络可提升社区气候韧性并促进创新采用，但现有协作学习网络的性质仍不清楚，行动者在网络中的中心性如何促进或制约气候变化适应知识流动也缺乏实证。国家机构、科研机构和农民之间存在最后一公里断裂，学术与研究机构生成的知识未有效回流到小农户农民。为弥补上述缺口，研究人员在乌干达中部Kiboga区开展研究，采用社会网络分析(SNA)并依托Freeman中心性框架，考察小农户农民气候适应实践中的协作学习网络形成、行动者与结构因素。
本研究发表于《Climate Risk Management》。研究人员通过横断面家庭调查、关键知情人访谈与焦点组讨论(Focus Group Discussions, FGDs)收集数据，样本来自Kiboga区Ddwaniro和Lwamata两个次级县、Lwankonge和Ssinde两个堂区，按Yamane公式得到265个小农户农户样本，并采用简单随机抽样与投票抽签方式选户；定性材料来自6组农民FGD、1组技术人员和推广人员FGD以及农业官员、兽医官员、环境官员、生产官员、乳业合作社代表、推广人员、示范农户和农民代表等关键知情人。技术分析上，研究人员使用Gephi 0.101构建网络图，计算网络密度与四种中心性：度中心性(degree centrality)衡量直接连接数，特征向量中心性(eigenvector centrality)衡量与高连接行动者的连接质量，接近中心性(closeness centrality)衡量到其他行动者最短路径效率，中介中心性(betweenness centrality)衡量桥梁与守门功能；定性数据采用编码可靠性主题分析(coding reliability thematic analysis)。
研究结果如下。
3.1 气候适应协作学习网络：研究人员将网络分为正式与非正式两类。正式网络包括牲畜用水管理、水土保持、畜禽与牧草改良三类，由推广人员和NGOs主导，信息流多为自上而下的单向；非正式网络包括本土病虫害管理、本土牛育种两类，根植于亲友、邻里的日常互动。SNA显示正式网络密度分别为0.455、0.583、0.348，非正式网络密度达0.806与0.778，说明农民在本土知识网络中连接更紧密。
3.1.1 小农户农民气候适应实践正式协作学习网络：SNA与中心性表显示，农业推广人员、Heifer Project、Hunger Project在度中心性、中介中心性、特征向量中心性上最高，是知识枢纽与桥梁；MAAIF、DDA、NARO、地方领导等中心性较低，说明国家机构与研究机构在地方网络中边缘化。
3.1.2 小农户农民气候适应实践非正式协作学习网络：SNA显示同伴农户、示范农户、朋友、邻居、家庭成员具有高中心性；本土病虫害管理中peer farmers度中心性为8、接近中心性为1.0，本土牛育种中model farmers度中心性为8、特征向量中心性为1.0，说明非正式知识主要通过可信同伴和示范农户扩散。
3.2 参与气候适应协作学习的行动者：调查显示小农户农民与friends交互占80.2%，与neighbors占45.1%，与technical experts占28.4%，与academic institutions为0%，与researchers为0.8%。FGDs与关键知情人访谈证实，学生和研究人员多采集信息而不反馈，导致学术与研究机构对适应学习的贡献未被农民承认。
3.3 塑造气候适应协作学习网络的因素：研究人员归纳为NGO干预提供平台与桥梁社会资本，推广服务获取驱动良种与牧草管理学习，关系信任降低污名化并促发仿效，共同农业挑战如长期干旱、降雨不稳、牧草短缺和土壤肥力下降迫使农民协作。NGOs如Hunger Project和Heifer International把农民、奶业合作社、地方政府和投入品供应商连接起来。
讨论部分，研究人员指出正式网络与非正式网络是互补路径：非正式网络凭借高信任与高密度推动行为改变，正式网络因机构各自为政而出现孤岛效应。推广人员和NGOs是核心枢纽，但MAAIF、DDA、NARO等国家及研究机构因资金与最后一公里机制不足而弱参与。peer farmers和model farmers在地方知识传播中非常关键，应将其纳入推广体系以弥补推广服务短板。研究人员还强调，大学与研究机构需从单向知识生产转向与农民共同设计、共同生产、共同实施的转学科(transdisciplinary)参与。
结论部分翻译如下：本研究旨在评估气候适应实践协作学习网络的存在与性质。研究人员分析了小农户农民正式与非正式协作学习网络，包括牲畜用水管理、水土保持、改良动物品种与牧草管理、本土病虫害管理以及本土动物育种实践。正式与非正式网络中的主要行动者是农业推广人员、Hunger Project和Heifer International等NGOs、同伴农户与示范农户，因为其具有较高度中心性。然而，小农户农民与负责农业发展的国家机构在气候适应协作学习中存在有限互动。因此，研究建议政策制定者优先支持示范农户和农对农知识交换项目，以支撑乌干达当前薄弱的推广体系。未来研究应将网络分析与质性信任评估结合，评价知识流动的质量、准确性与深度如何影响长期适应结果，从而为设计具有情境针对性的地方主导气候干预策略提供关键见解。
