Smallholder Farmer Innovation and Contexts in Maize-Based Conservation Agriculture Systems in Central Malawi
Notice bibliographique
Résumé
The increased threat of food insecurity and climate change requires more sustainable ways of agriculture intensification in African smallholder farming systems. Ample evidence confirms that maize-based conservation agriculture (CA) systems lead to increased soil health and yield enhancement yet their overall uptake remains low in Africa. An array of studies on challenges and solutions to CA systems conducted in southern Africa principally focussed on the views of scientists, often neglecting the views of CA farmers. Therefore, this study assessed farmer decision making, innovation and contexts during implementation of maize-based CA systems in communities of central Malawi. A survey involving interviews with 226 CA farmers was deployed, triangulated with key informants comprising extension workers and policy makers. The study showed that about 58% of smallholder farmers did not adapt CA practices to their circumstances because they were strictly following change agents’ recommendations. The major challenge noted was competition for crop residues due to mice hunters and grazing livestock. Local by-laws initiated by the communities have started to privatise the crop residues and its grazing. However, other innovations were often not documented by extension workers, consequently neglecting more than half of the potential solutions provided by farmers. The establishments of a National Conservation Agriculture Task Force and CA guidelines are positive developments for coordination of stakeholders and harmonisation of CA messages in Malawi. However, for greater adoption, non-linear interaction and learning must be encouraged in practice by fully embracing innovative farmers and the voices of the pool of stakeholders with varying experiences.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».