Targeting resilience and profitability in African smallholder agriculture: Insights from ICRISAT-led research programs
Notice bibliographique
Résumé
We reviewed the strategy for Agricultural Research for Development (AR4D) adopted by the International Crops Research Institute for the Semi-Arid Tropics (ICRISAT). The objective was to examine ICRISAT’s research strategy related to the twin challenges of resilience and profitability in developing technologies aimed at improving the livelihoods of smallholder farmers in the drylands of Africa. To do this, we examined the expected impact on resilience and profitability of its present program and the realized impact of ICRISAT’s previous research. We argue that the current CGIAR Research Programs led by ICRISAT envisage separate product lines for resilience and profitability, targeted at two groups, i.e., subsistence- and market-oriented smallholders. This approach, expected to make technology more appropriate for farmers’ needs, risks overlooking the interconnectedness of the two targets if they are too rigorously separated. Although our review of ICRISAT’s previous research program suggests that success stories have taken numerous forms—some increasing resilience, others profitability—our review also suggests that it is possible to develop win–win technologies that improve both targets. Finding ways to replicate win–win technologies will require that ICRISAT tests the resulting technologies and their implementation in specific contexts to improve and replace them as the research programs evolve.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».