Determinants and Constraints of Pulse Production and Consumption among Farming Households of Ethiopia
Notice bibliographique
Résumé
In low income countries the agricultural sector is essential to growth, poverty reduction, and food security. Pulse crops are important components of crop production in Ethiopia's smallholders agriculture, providing an economic advantage to small farm holders as an alternative source of protein and other nutrients, cash income, that seeks to address food security. This study sought to gain an understanding of determinants and constraints to production and usage of pulse crops based on data collected in 2013 from 256 households in Oromia region of Ethiopia. Determinants of production and consumption were identified using logistic regression. The result showed that Haricot bean was produced, but not widely consumed. Lentil was widely consumed but not produced. Production of haricot bean was hampered by problems related to weed control, disease, pests, yield and soil quality, a seasonal market, and a shortage of farmland. Consumption of haricot bean was low due to perceived gastrointestinal distress after eating and the culture of it being a taboo food. Logistic regression showed household head educational status and age, land size and household size statistically significantly (p-value<0.05) affected household pulse (haricot bean and lentil) consumption frequency. Agronomic, market, culture and household characteristics related determinants and constraints were identified. Also a mismatch of production and consumption was observed in the study. It is recommended that agronomic and market concerns related to production of haricot bean and other pulses be addressed and that household food preparation techniques for pulses that reduce gastrointestinal symptoms be promoted and evaluated.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».