Analysis of Governance for Food and Nutrition Security in Three Caribbean Countries
Notice bibliographique
Résumé
Objective. To conduct an assessment of governance for food and nutrition security (FNS), in three Caribbean countries, and distill the key lessons learned and the critical role of governance for FNS from this three-country experience. Methods. The authors developed an analytical framework that contextualizes FNS within an inter-related multi-sectoral setting in which governance, global, hemispheric and regional mandates, and other key variables combine to determine a country’s FNS status. Interviews were conducted with upper-level policy makers in the three countries, to solicit their perspectives on governance for FNS. Finally, various policy documents were reviewed to assess the extent to which they included principles of good governance for FNS. Results. Macro-level indicators of good governnce in the three countries are comparable with other Caribbean peers, but some of the indicators have been declining in recent years. FNS-oriented structures and institutions do exist in the countries, but they focus mainly on their respective core mandates, and rarely appreciate the multisectoral dimensions of FNS. There is a plethora of FNS-oriented policies, strategies and action plans, but they do not specify activities to address governance of FNS. Moreover, many policies have expired, and the coordinating bodies for supporting their implementation have not been established and/or are not functioning. FNS policies are implemented in an ad hoc manner, and monitoring and evaluation are rarely conducted. Conclusions. Good governance enhances the efficient delivery of FNS, an essential public good that a country’s citizenry expects from a democratic state. The political leadership and policy makers in all three countries must work harder to ensure that FNS policies and action plans are current, diligently implemented, monitored and evaluated. They must also integrate the human rights-based PANTHER and good governance principles into policies and action plans to achieve more robust FNS outcomes.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».