Transforming food systems: a gendered perspective on local agricultural innovation in Cuba
Notice bibliographique
Résumé
Compared to many countries, Cuba has made significant progress in advancing women's rights and gender equity; however, disparities remain. In the country's rural communities and agricultural sector, women continue to face barriers to equal participation and recognition for the value of their work. This case study shares the story of gender equity efforts that have been conducted within the framework of a broader development project-the Project to Strengthen a System of Innovation in Local Agricultural Development (PIAL, for its initials in Spanish). PIAL began in 2001 as a participatory plant-breeding initiative aimed at increasing the genetic diversity of key crops such as maize and beans. Over the course of two decades, the project's goals expanded to include an emphasis on increasing women's participation. In the beginning, those efforts focused on including women in the participatory plant-breeding activities, which enabled them to prioritize traits they cared about such as grain texture, cooking speed, and taste in the selection process. Over time, the participatory nature of the PIAL methodology empowered women to identify and pursue capacity-building in other areas of local agricultural innovation. While PPB remained central to PIAL, women also chose to pursue opportunities in seed bank management, leadership training, and small-scale farm-based entrepreneurship. The results of the PIAL work on gender have included not just more inclusive plant breeding, but also important economic improvements for rural women as they have been able to diversify their livelihoods, and social change as they have gained confidence and recognition as leaders in their households, communities, and beyond.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».