Plantwise Sustainability: Two Years on Follow-up assessments in six countries
Notice bibliographique
Résumé
CABI implemented its global Plantwise programme from 2011 to 2020 to address smallholder farmers' plant health challenges with more than 200 partner organizations in around 30 countries.Two years after Plantwise funding ceased, a follow-up sustainability assessment was carried out in six countries: Nepal and Pakistan (Asia); Ghana, Kenya, and Malawi (Africa); and Jamaica (Caribbean).The aim of the assessment was to gain an understanding of Plantwise's legacy, or elements thereof, and how the country context has influenced what happened, positively or negatively, since the programme ended, as well as what the drivers and blockers are to sustainability.Information was gathered through interviews and group discussions with Plantwise partners, and a review of recent programme documents, country policies, selected literature, and Plantwise Online Management System (POMS) data.This was followed by in-depth conversations over Zoom with country study teams to discuss findings and key lessons.The country studies for this assessment show that sustainability is highly contextual: knowledge on national policy, institutional mandates, mode of operation, and available resources, is paramount to ensure that interventions fit with structures and capacities in a particular setting.The country cases also show the different ways in which a particular circumstance, or combination of circumstances, helped or hindered sustainability in one country, while a different set of circumstances was influential in another country.Sudden changes can undermine partnerships and achievements made, which makes it difficult to engineer or promote sustainability.Using a flexible, adaptive approach, in which opportunities are spotted and seized, is vital.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».