Farmer advisory systems and pesticide use in legume-based systems in West Africa
Notice bibliographique
Résumé
Despite the adverse effects of pesticides on the environment and human health, they are a key ingredient in boosting agricultural productivity as a way of meeting global food demand. While global levels of pesticides are towering in high-income countries, pesticide use in many parts of Africa remains low, with significant impacts on agricultural productivity and food production. We use a rich longitudinal dataset to examine the relationship between farmer advisory systems and pesticide use in legume-based production systems in Ghana, Mali, and Nigeria. We find that farmers who are advised by private extension systems are approximately 8 % more likely to use pesticides at an extensive level. They also use pesticides more intensively (41 %). On the other hand, farmers advised by public extension systems are about 5 % more likely to extensively use pesticides. These farmers are observed to reduce the intensive use of pesticides by about 14 %. Furthermore, we also show that farmers advised by joint private-public extension systems are about 4 % more likely to use pesticides as well as reduce their intensity of use by approximately 11 %. At the various country levels, there exists significant heterogeneity in the relationship between advisory systems and pesticide use, suggesting that context matters. Of course, the pesticide regulatory systems and the institutional environments in these countries vary greatly. Given these findings, our study offers key entry and leveraging points for increasing pesticide use at levels that limit their environmental and human effects but may ascertain increased agricultural productivity and food production.
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 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».