Strengthening understanding and perceptions of mineral fertilizer use among smallholder farmers: evidence from collective trials in western Kenya
Notice bibliographique
Résumé
It is widely recognized that mineral fertilizers must play an important part in improving agricultural productivity in western Kenyan farming systems. This paper suggests that for this goal to be realized, farmers’ knowledge must be strengthened to improve their understanding of fertilizers and their use. We analyzed smallholder knowledge of fertilizers and nutrient management, and draw practical lessons from empirical collective fertilizer-response experiments. Data were gathered from the collective fertilizer-response trials, through focus group discussions, by participant observation, and via in-depth interviews representing 40 households. The collective trials showed that the application of nitrogen (N) or phosphorous (P) alone was insufficient to enhance yields in the study area. The response to P on the trial plots was mainly influenced by incidences of the parasitic Striga weed, by spatial variability or gradients in soil fertility of the experimental plots, and by interactions with N levels. These results inspired farmer to design and conduct experiments to compare crop performance with and without fertilizer, and between types of fertilizers, or responses on different soils. Participating farmers were able to differentiate types of fertilizer, and understood rates of application and the roles of respective fertilizers in nutrient supply. However, notions were broadly generated by unsteady yield responses when fertilizers were used across different fertility gradients, association with high cost (especially if recommended rates were to be applied), association of fertilizer use with hybrids and certain crops, historical factors, among other main aspects. We identified that strengthening fertilizer knowledge must be tailored within existing, albeit imperfect, systems of crop and animal husbandry. Farmers’ perceptions cannot be changed by promoting more fertilizer use alone, but may require a more basic approach that, for example, encourages farmer experimentation and practices to enhance soil properties such as carbon build-up in impoverished local soils.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».