Assessing the Efficiencies and Competitiveness of the Fresh Cassava Storage Root Production Systems in Sierra Leone
Notice bibliographique
Résumé
The Policy Analysis Matrix (PAM) was used to assess the efficiencies and competitiveness of fresh cassava storage root production systems in Sierra Leone. Proportional random sampling was used to select study samples. Information was collected using structured questionnaire from a total of 1,880 producer households. Out of the 36 potential storage root production systems identified, only 6 systems are mainly used by producers. The PAM was based on one hectare of land for production and Leone (SSL) as money to evaluate costs and revenues. The analysis indicates that, all the 6 fresh cassava storage root production systems present a Domestic Resource Cost Ratio of less than 1 (DRC < 1) and Cost-Benefit Ratio (RCB) also less than 1 (RCB within 0.14 to 0.42). Discounting potential revenue from stems and cassava leaves in storage root production systems that use improved varieties and fertilizer have higher comparative and competitive advantages. The systems are also profitable, even though producers are not protected from tradable and taxed inputs. Production systems also remain profitable with 25% and 50% yield loss. This was also confirmed by Abiodun and Adefemi (2016). It is therefore better to produce cassava locally in Sierra Leone than import for processing or consumption. This study proposes recommendations to improve cassava productivity in Sierra Leone.
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 | 0,001 | 0,002 |
| 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 | 0,000 |
| 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) | 0,001 | 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 ».