Plant health rallies as an extension tool in small-scale farming in Kenya
Notice bibliographique
Résumé
Kenya has consistently reported new and serious disease and pest problems on key crops over the years, often associated with substantial crop yield losses.In just the last six years, for example, maize lethal necrosisa disease responsible for crop losses valued at about US$ 4.1 million in 2014 aloneand tomato leaf miner entered and got established in the country.For small-scale farmers, who make up 80% of the farming community and contribute 25% of the GDP, an attack by such diseases could spell doom for their income and food supply.Decisive action is needed to prevent new pests and diseases from spreading and becoming established.Also, other well-established crop pests and diseases regularly cause major crop losses.Farmers need help to take preventative measures and avoid costly and often less effective treatments after the problem has entered the crop.Extension campaigns can play a critical role in controlling crops pests and diseases by acting as a source of timely information.One such approach, plant health rallies, has been embraced in Kenya, though so far on a limited scale.In 2015 the University of Nairobi and Plantwise undertook a study in parts of Kenya among 150 farmers and 27 extension staff in five counties to get a picture of extension campaigns in crop health and to understand how the role of plant health rallies could be enhanced in delivering a comprehensive service to farmers.The study focused on maize lethal necrosis, mango fruit fly, Napier grass stunt, tomato leaf miner and wheat stem rust, all which have the potential for high economic impact. Key highlights• Plant health rallies supported by Plantwise are already a feature in Kenya's extension programme and the only clearly visible extension campaign method used.The rallies are perhaps the single most significant extension initiative for maize lethal necrosis.• About three-quarters of the extension staff interviewed knew of the plant health rallies and about two-thirds had taken part in them.• More than 95% of all farmers interviewed were aware of the target problemsincluding those who did not grow the target cropsand most likely obtained this information through indirect sources such as other farmers and agrochemical dealers.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».