Demystifying the Contribution of African Indigenous Vegetables to Nutrition-Sensitive Value Chains in Kenya
Notice bibliographique
Résumé
African Indigenous Vegetables (AIVs) are widely consumed in Kenya as part of everyday meals. They provide the much-needed micro-nutrients which are critical for combating micronutrient deficiencies (“hidden hunger”). The study describes the socio-economic characterizes of households in rural and peri-urban areas in Kenya and appraises the contribution of AIVs to household food access. The results show that there are spatial variations in the consumption of AIVs. Households living in rural areas have a wider variety of vegetables and consume their own production for an estimated ten months in a year; at the same time, purchase vegetables for between 6-7 months. Their peri-urban counterparts have less variety, consume their own produce for 11 months in the year and purchase for 8-9 months. Household income plays a critical role in enabling participation in food markets, Households living in rural areas earn significantly less on average from their land, their annual salary and net profits compared to their peri-urban colleagues. At least 40 per cent of households living in rural areas compared to an estimated 20 per cent in peri-urban areas grade their vegetables. In contrast, 50 per cent of all households wash their vegetables before consumption. In conclusion, households’ living in rural areas are net buyers of food, indicating that interventions to ensure increased consumption of AIVs must be accompanied by broad-based livelihood improvements to ensure that benefits accrue. Also, there is a need to underscore the importance of extension services as knowledge brokers.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».