Stakeholders’ Perception and Preferences of Post-harvest Quality Traits of Tomato in Ghana
Notice bibliographique
Résumé
The high levels of tomato consumption coupled with wide production levels in Ghana make the crop economically viable. Food preferences vary among individuals and geographical locations. Traits to select during crop improvement therefore, depend on the target beneficiaries. Breeders sometimes fail to consider preferences of end users probably because they are oblivious of them. This study used Participatory Rural Appraisal (PRA) and surveys to identify preferences and perceptions of end users in tomato value chain, for making proper breeding choices according to the information collected. The strategy employed for this research was descriptive survey. The target population included tomato farmers, market players and consumers. A multi-stage sampling was used to select the study sample. More than half (57.3%) of the respondents had been involved in tomato production for over 10 years. Sixteen variables were discussed with each group. The first three principal components (PCs) with Eigen values greater than 1.0 together explained 100% of total variation in the data set. Scores for ranking popular vegetable and ranking causes for poor shelf life were not significantly associated with any of the components. The Focus Group Discussion (FGDs) also established that, seven main vegetable crops were cultivated and produced by the communities and ranked tomato as number one. Similarly, six important quality traits of tomato were mentioned by stakeholders as their favorite. Respondents showed extreme preferences for firmness and shelf life as the most important quality traits of tomato. Seventy-seven-point five percent (77.5%) of the consumers use tomatoes every day in their food preparation. The study revealed stakeholders’ desire and plea for firmness and extended shelf life of tomato fruits in Ghana. Consequently, the survey validated the need to regulate tomato breeding goals to develop high yielding tomatoes with improved fruit quality and prolonged shelf life.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».