Is radio an effective method for delivering actionable information for responding to emerging pest threats? A case study of fall armyworm campaign in Zambia
Notice bibliographique
Résumé
Abstract Background The Fall Army Worm (FAW) radio campaign was implemented between November 2018 and April 2019 in key maize growing areas and locations with reported high severity of fall armyworm as identified by national stakeholders. We evaluated the effectiveness of radio mass extension campaign in achieving scale, and effect on farmers’ knowledge and uptake of management practices for fall armyworm (FAW). We also assessed the factors determining farmers’ participation in radio campaign, to inform future and similar campaigns. Methods Data were gathered through a household survey targeting locations where the campaign was implemented; and 250 male and 215 female farmers were surveyed. The study was conducted in four of the seven provinces where the campaign took place—Eastern, Luapula, Copperbelt and Southern provinces. Selection of the sample provinces was based on reported rainfall distribution during the season and severity of FAW infestation, radio coverage areas and maize growing intensities. Results The radio campaign reached an estimated 1.4 million farmers. Survey results show that both male and female radio listeners were significantly more aware of fall armyworm, and more likely to adopt management practices than non-radio listeners, in particular preventive measures such as frequent monitoring, intercropping and crop rotation. This means that participation in the radio-based extension campaign significantly increased farmers’ knowledge and stimulated uptake of management practices for FAW. However, the survey showed that only 49% of the respondents listened to at least one FAW radio episode. Predictors of farmer participation in radio campaign were; gender, education level, and maize farm size. Conclusions The results imply that deliberate promotion of such programs would enhance listenership and improve interactivity while at the same time integrating other extension approaches. The integration also provides opportunities for equally reaching women as men, given the observed digital divide.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».