How did conservation agriculture go to scale?
Notice bibliographique
Résumé
Background: The Foodgrains Bank has an established record working in agriculture and food security with resource constrained, marginalized farmers in sub-Saharan Africa. The three outcome areas of the Scaling-Up Conservation Agriculture in East Africa (SUCA) Program were: the adoption of conservation agriculture systems, an enabling institutional environment, and the promotion of enabling policies. These program areas were expected to yield intermediate outcomes that, together, would lead to the ultimate outcome of improved food security and sustainable livelihoods for smallholder farming households in East Africa. This case study reports on the end-line evaluation of the five-year program. Purpose: To illustrate the overlap between utilization-focused evaluation (UFE) and collaborative approaches to evaluation (CAE). The case study profiles an agricultural intervention, and explores how the evaluation design accommodated the systemic nature of the program. Setting: Scaling-Up Conservation Agriculture in East Africa (SUCA) was a five-year program of the Canadian Foodgrains Bank implemented from 2015-2020 to expand the size and scope of Foodgrains Bank’s work in conservation agriculture in East Africa. The program supported local partners with a target of 50,000 male and female farmers practicing a minimum of 2 of 3 conservation agriculture principles, and to improve food security and sustainable livelihoods for 18,000 of these farmers’ households across three countries. Research design: The Foodgrains Bank was directly involved in the evaluation design through the definition of evaluation uses and key evaluation questions. Eleven implementing partners in East Africa were involved in primary data collection and some initial analysis. Data collection and analysis: A mixed method approach was used combining quantitative, qualitative, and participatory / visual data collection tools. A robust, intersectional gender lens was applied to the data collection instruments in the form of gender disaggregated data collection and gender-focused questions across most data collection instruments. Findings: The collaborative process confirmed a sense of ownership by the primary evaluation users over the evaluation design. The evaluation design combined outcome and learning uses that took advantages of the implementing organizations’ commitment to learning. The findings demonstrated the value of the program and produced a framework illustrating the multi-disciplinary approach underlying its success.
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 | 0,034 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,016 |
| Communication savante | 0,012 | 0,013 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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 ».