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 OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,540
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

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