The Food and Nutrition Policy Environment and Drivers of Changes in Key Food System Outcomes in Ethiopia
Notice bibliographique
Résumé
Background: There seems to be huge gap in our understanding of the changes over time in food system outcomes and their drivers in Ethiopia. The main aim of this study is to examine the food and nutrition programs and policies and their corresponding key food system outcomes in Ethiopia. Methods: The bulk of the information was generated using scooping review of relevant articles and policy documents. About 67 full text records were used for the review. In addition, data were collected using Key Informant Interview (KIIs) purposefully selected from sectoral offices from two major cities (Hawassa and Dire Dawa), of two regions. The analytical framework used in this paper was adopted from previous studies on related subjects and addressed three key components of food system: review of food and nutrition policy environment, key food system outcomes and key drivers. Results: Despite improvement in some food system outcomes (such as child nutrition and survival), food security crises in Ethiopia are still becoming more frequent and more acute, affecting the poor disproportionately. Most food and nutrition policies are constrained by lack of implementation capacities. Indicating the presence of various barriers (socioeconomic, demographic, and environmental). Poor human capital (such as knowledge and attitude), food taboos and tradition, cultural practices such as gender-based norms, poor education, poor delivery/supply chain, demographic pressure and other environmental drivers play critical role in food and nutrition security of most vulnerable population groups in Ethiopia. Conclusion and implications: Given the challenges confronting Ethiopia today, it is imperative to assume that meeting Sustainable Development Goal (SDG) 2 (i.e., attaining zero hunger by 2030) becomes challenging. This calls for continuous capacity building to help implement, learn, and adapt a systems approach; and access to education and skill training on food production and consumption and narrowing down the gender differential in food access and consumption.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».