Africa's “Seed” Revolution and Value Chain Constraints to Early Generation Seeds Commercialization and Adoption in Ghana
Notice bibliographique
Résumé
The study aims to deepen understanding of how Early Generation Seeds value chain constraints impede commercialization and adoption of High Yielding Varieties (HYV) or improved Maize seeds by smallholders in Ghana within the broader strategies of a “Green Revolution for Africa”. Using qualitative and quantitative information obtained through one-on-one interviews with 15 key informants, a household survey from 110 smallholder farmers and document reviews, we discuss constraints and bottlenecks engendered by value chain structures, processes and mechanisms in Ghana's formal seed distribution system. Seven main challenges were identified that undermine trust and hinder the expansion of HYVs: (1) the limited capacity of public institutions, (2) constrained capacity of the emerging private sector, (3) a lack of well-defined, fair and enforceable contracts between stakeholders in the delivery system, (4) land-tenure limitations, (5) poor forecasting of farmers' demands for seeds by research institutions and seed producers, (6) sparse marketing arrangements for improved maize seeds, and (7) concentration of power to control seed supply in the hands of few institutions. We argue these seven issues weaken power asymmetry within the maize seed value chain's governance mechanism to create nodal points that give prominence to key public institutions, NGOs, and research institutions who control the production and distribution of improved seeds. Ultimately, trust among actors and its value chain outputs is undermined, negatively affecting the commercialization, availability, and adoption of improved seeds. Moving forward, upgrading the maize seed value chain must be pursued through targeted public and private sector relationships that acknowledge diverse actors' critical roles in the value chain.
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 | 0,002 | 0,006 |
| 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 | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».