MétaCan
Menu
Retour à la cohorte
Enregistrement W1988901163 · doi:10.5539/jsd.v8n2p161

Seed Systems Support in Kenya: Consideration for an Integrated Seed Sector Development Approach

2015· article· en· W1988901163 sur OpenAlexvenueno aff
Peter Munyi, Bram De Jonge

Notice bibliographique

RevueJournal of Sustainable Development · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensnon disponible
Organismes subventionnairesNederlandse Organisatie voor Wetenschappelijk Onderzoek
Mots-clésFood securityLegislatureIndependence (probability theory)Economic sectorSociologyEconomicsPolitical scienceAgricultureBiologyEcologyEconomyLaw

Résumé

récupéré en direct d'OpenAlex

The threats of climate change and rising food prices have stirred renewed attention for seed and food security in Africa, inviting new thinking on the role of seed sector development in coping with these concerns. One conceptual framework that has gained attention is the Integrated Seed Sector Development (ISSD) approach. The ISSD approach has evolved as a response to the almost exclusive focus on formal seed systems in seed sector development programs. Instead, ISSD aims to recognize and support all the diverse seed systems that exist in a particular country. An analysis of the evolution of seed policies and regulatory frameworks in Kenya since independence indeed exposes a continuous support for the formal seed sector while support given to the informal sector has merely been intended to transform it into formal. In reality, however, the formal and informal sectors appear to be made up of a plurality of seed systems, with the informal seed systems being the main source of seed for most crops. The article continues with analysing some of Kenya’s recent policy shifts in order to explore how its new seed policy and legislative framework may fit within ISSD principles, and concludes with some recommendations on how the variety of seeds systems that exists on the ground and in particular local seed systems can be supported.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,460
Score d'incertitude au seuil0,271

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,263
Écart entre enseignants0,192 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations36
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetAgricultural Innovations and PracticesTravaux en français237 207