Towards gender-transformative metrics in seed system performance measurement: insights for policy and practice in Sub-Sahara Africa
Notice bibliographique
Résumé
Context: Food insecurity in Sub-Sahara Africa hinges on addressing salient gender inequities within the seed system. While efficient seed system promises reduced systemic inefficiencies to fast-track seed delivery to the smallholder farmers, a dearth of standardized industry metrices to understand the intersectionality of seed system and gender issues exist. Specifically, metrices on guaranteed seed access, reach, benefit, women's empowerment and ultimate transformation of women, youth and vulnerable people's livelihoods are less understood. The existing metrices are aggregated at very high levels and limit the ability of policymakers and industry stakeholders to effectively address gender-based inequities for an optimized seed system. Objective: the need of public, private, and civil society actors. Therefore, the study seeks to evaluate how seed system metrics can be effectively tailored to address gender gaps for enhanced agricultural productivity and food security in Sub-Sahara African context. It also refines the proposals of Kennedy and Speilman and introduce gender-specific metrices that may hold promise to address women and youth's challenges within the seed system. Methods: A systemic review of current industry metrices was conducted and the newly developed reach, benefit, empower and transform (RBET) framework was applied to synthesize the responsiveness of current seed industry indicators on gender issues. Online databases and repositories with key search words that returned 204 results including some gray literature. Results and conclusion: Using common bean seed system as an illustration, the study found critical gaps in measuring seed industry performance, innovation, structure, seed registration and quality control, intellectual property rights using the reach, benefit, empower and transform approach. Thus, a set of gender responsive indicators was suggested to address gender and inclusive matrices that the seed industry often neglects. Using the reach, benefit, empower and transform approach we have included gender responsive indicators meant to close existing gender gaps. Some of these indicators addressed include women participation, trait preferences, seed packaging sizing, seed system leadership, decision-making capacities, labor intensity/drudgery and use of digital platforms such as point-of-sale tracking systems to reach last mile farmers among others. Significance: This study uses the newly-developed Reach, Benefit, Empower, and Transform (RBET) Framework together with the already existing Spielman-Kennedy framework. It is timely to inform policymaking process on seed system design, to enhance seed industry performance monitoring, and provide practitioners with the knowledge and missing links in efforts to align the seed system's performance with gender outcomes in a measurable manner.
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 | 0,094 | 0,141 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,014 | 0,024 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,012 | 0,016 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».