Diversification in Indian Agriculture toward High‐Value Crops: The Role of Small Farmers
Notice bibliographique
Résumé
Diversification by small farmers toward high‐value crops (fruits and vegetables [F & V]) that can raise farm incomes significantly has always been in question because of several reasons such as diseconomies of scale and lack of access to inputs such as capital and information. We present evidence that in India diversification toward high‐value crops exhibits a pro‐smallholder (rather than anti‐smallholder) bias. The smallholders however play a proportionally larger role in vegetables than in fruits cultivation. These patterns are consistent with simple comparative advantage‐based production choices. Even with small landholdings if labor endowments are high, such farmers diversify toward F & V. Though fruits cultivation is also labor intensive relative to cereals, it is less so relative to vegetables. Greater capital intensity implies a comparatively important role of credit in fruits. The results are robust to several tests on specification including those related to self‐selection. Chez les petits exploitants agricoles, la diversification en faveur de cultures à valeur élevée (fruits et légumes) permettant d’accroître considérablement le revenu agricole a toujours été remise en question pour diverses raisons, notamment les déséconomies d’échelle et le manque d’accès aux intrants comme le capital et l’information. Dans le présent article, nous montrons qu’en Inde, la diversification en faveur de cultures à valeur élevée semble plutôt favorable que défavorable aux petits exploitants agricoles. Toutefois, les petits exploitants sont proportionnellement plus présents dans la culture maraîchère que dans la culture fruitière. Ces observations concordent avec les choix d’une production fondée sur les avantages comparatifs. Même dans le cas des petites exploitations, lorsque les besoins de main‐d’œuvre sont élevés, elles se tournent vers les cultures fruitière et maraîchère. Bien que la culture fruitière soit une activitéà forte intensité de main‐d’œuvre comparativement à la culture céréalière, elle l’est moins que la culture maraîchère. L’intensité de capital élevée de la culture fruitière signifie que le crédit joue aussi un rôle important. Les résultats de plusieurs tests de spécification sont robustes, y compris ceux liés à l’auto‐sélection.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».