Fall armyworm management: lessons learnt from Ghana
Notice bibliographique
Résumé
The invasive pest, fall armyworm (FAW) was confirmed to be in Ghana in 2016.Stakeholders, including CABI, worked to support the development of a national FAW management plan.A review of the management plan implementation was undertaken using outcome harvesting, a Sprockler inquiry and key informant interviews.Results showed evidence of stakeholder collaboration, leading to increased public awareness of FAW and related management practices, and more coordinated research into low-risk management options.Key factors for the success of the FAW response were: establishment of the multidisciplinary taskforce, with common goals and ownership; mobilization of financial, human and material resources at national and district levels; effective coordination and communication, limiting duplication of efforts by different actors; farmer sensitization to identify and manage FAW and other pests.Steps to ensure future preparedness include: implementation of the National Invasive Species Strategy and Action Plan (NISSAP); establishment of a standing taskforce and emergency fund to address new pest outbreaks; improved monitoring and surveillance especially at borders and ports of entry; strengthened research capacity especially in pest risk analyses; and development of emergency response guidelines for future outbreaks.Fall armyworm management: lessons learnt from Ghana Key highlights• An initial slow response to the FAW outbreak was mainly due to inadequate funds and lack of knowledge of the pest.• Once the impact of FAW became apparent, funding was released and the response effectiveness increased.• Stakeholders at central level (e.g.central government officials, researchers, media, NGOs)considered key response success factors to be collaboration through the multidisciplinary taskforce, knowledge sharing, and effective planning, coordination, and communication.• Stakeholders at the local level (e.g.local government officials, extension workers, local leaders, farmers) considered the pesticide distribution scheme and the information shared through the communication plan as contributing to the response success.• Future preparedness measures should be put in place to ensure quick responses to new pest outbreaks in the future.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».