Capacity needs assessment and challenges for multisectoral implementation of nutrition in Burkina Faso: A guide for the formulation of a capacity development plan
Notice bibliographique
Résumé
INTRODUCTION: Achieving nutritional goals depends on individual, organisational and environmental capacities. The aim of this study was to analyse and identify capacity gaps among the coordination platforms and networks, and the key technical institutions related to nutrition in Burkina Faso for a capacity development plan formulation. METHODS: Using the new Nutrition Capacity Framework developed by the United Nations Network, information were collected using the Nutrition Stakeholder Mapping and Analysis tool, and the Checklist for Capacity Areas. Capacity needs were analysed in terms of Human resource and infrastructure, functional, organisational, coordination and partnership, and financial and resource mobilisation. RESULTS: Limited human resource capacity in nutrition was highlighted in most cases by the structures, and the nutrition coordination structure and more than 4/5 of the technical structures are faced with the unavailability of working materials, tools and basic Internet connection. Only 10 among the 30 structures have a unit or service for exchange on nutrition, and only three of them have integrated nutrition actions. Shortfalls were noted in terms of functional, facilitation, communication and advocacy skills, as well as a weak diversification of resource mobilisation strategies. CONCLUSION: The use of the analytical framework helped to identify the gaps and to propose paths for capacity development. Efforts need to be strengthened, intensified, coordinated, monitored, evaluated and funded.
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 | 0,021 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».