MétaCan
Menu
Retour à la cohorte
Enregistrement W2877938845 · doi:10.1017/s0014479718000236

WHOSE GAP COUNTS? THE ROLE OF YIELD GAP ANALYSIS WITHIN A DEVELOPMENT-ORIENTED AGRONOMY

2018· article· en· W2877938845 sur OpenAlexaff
‪João Vasco Silva, Joshua J. Ramisch

Notice bibliographique

RevueExperimental Agriculture · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensUniversity of OttawaGlobal Affairs Canada
Organismes subventionnairesnon disponible
Mots-clésYield gapYield (engineering)LivelihoodAgricultureContext (archaeology)Agricultural economicsIncentiveFood securityCrop yieldProductivityAgricultural productivityGeographyAgroforestryEconomicsAgronomyEnvironmental scienceEconomic growthBiology

Résumé

récupéré en direct d'OpenAlex

SUMMARY Yield gaps have become a useful tool for guiding development-related agronomy, especially in the global South. While critics have challenged some aspects of the yield gap methodology, and the relevance of food security advocacy based on yield gaps, very few studies question the actual relevance, application and scalability of yield gaps for smallholder farmers (and researchers) in the tropics. We assess these limitations using two contrasting case studies: maize-based farming systems in Western Kenya and rice-based farming systems in Central Luzon, the Philippines. From these two cases, we propose improvements in the use of yield gaps that would acknowledge both the riskiness of crop improvement options and the role that yield increases might play within local livelihoods. Participatory research conducted in Western Kenya calls into question the actual use and up-scaling of yield measurements from on-station agronomic trials to derive estimates of actual and water-limited yields in the region. Looking at maize yield gaps as cumulative probabilities demonstrates the challenges of assessing the real magnitude of yield gaps in farmers’ fields and of deciding whose yield gaps count for agricultural development in Kenya. In the case of rice-based farming systems, we use a historical dataset (1966–2012) to assess changes in rice yields, labour productivity, gross margin and rice self-sufficiency in Central Luzon, the Philippines. While large rice yield gaps persist here, there appear to be few incentives to close that gap once we consider the position of crop production within local livelihoods. In this context, economic returns to labour for farm work were marginal: labour productivity increased over time in both wet and dry seasons, but gross margins decreased in the wet season while no trend was observed for the dry season. Since most households were rice self-sufficient and further increases in crop production would offer minimal returns while relying increasingly on hired labour, we question who should close which yield gap. Our case studies show the importance of contextualising yield gaps within the broader livelihood context in which farmers operate. We propose that this should be done at farm and/or farming systems level while considering the risks associated with narrowing yield gaps and looking into multiple performance indicators.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,059
score de la tête « metaresearch » (Gemma)0,184
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,310

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0590,184
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0060,009
Études des sciences et des technologies0,0020,004
Communication savante0,0080,012
Science ouverte0,0020,005
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,253
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExperimental AgricultureMême sujetAgricultural Innovations and PracticesTravaux en français237 207