Confronting genetic gains with markets: Retrospective lessons from New Rice for Africa (NERICA) in Uganda
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.
Notice bibliographique
Résumé
Breeders have two non-exclusive strategic investment options for increasing smallholder farmers’ and consumers’ livelihoods through genetic improvement of crop varieties: (i) enhancing productivity; and (ii) enhancing value and market access. New Rice for Africa (NERICA) varieties with superior agronomic characteristics were bred and introduced in various African countries in the early 2000s. Two decades later, drought tolerant NERICA4 is among the popular upland rice varieties grown across Africa. We analyze market evidence for NERICA4 from Uganda in 2011, i.e. well before it massively reached urban markets, where it is currently commingled with standard rice. We then compare the breeding priorities that would have ensued from the 2011 market evidence with the reality a decade later. Non-hypothetical auction experiments with consumers were conducted in urban Uganda in 2011 to predict potential market share and value of non-fragrant NERICA4 and fragrant NERICA1, relative to two market standards, i.e. non-fragrant Kaiso, and Supa, the most popular fragrant rice variety in the region. Average consumer bids positioned the two NERICAs between both market standards. Whereas NERICA1 easily outcompeted NERICA4 and Kaiso in the non-fragrant rice category, it failed to compete with Supa in the fragrant category. The 2011 market evidence would have suggested breeders prioritize investment in breeding programs for fragrant NERICAs to help smallholders gain access to high-value markets and expand consumers’ choice with cheaper fragrant rice alternatives. However, the popularity of NERICA4 relative to NERICA1 in farmers’ fields seems to suggest that agronomic genetic gains may have outweighed market traits such as fragrance.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle