Economic feasibility and impacts of replacing tobacco with alternative crops in smallholder cropping systems: evidence from Uganda
Notice bibliographique
Résumé
Tobacco is grown on more than 4 million hectares of global agricultural land in at least 124 countries. As a member state to the World Health Organization Framework Convention on Tobacco Control (WHO FCTC) international treaty, Uganda seeks to support economically viable alternative activities as a means to tobacco control because previous efforts with tobacco control that focused on the demand side have failed to control tobacco supply. This study employed the Tradeoff Analysis-Minimum Data (TOA-MD) model to assess tradeoffs and associated economic impacts of switching from tobacco to alternative crops in smallholder cropping systems. Results revealed that switching from tobacco to alternative crops is economically feasible for most of the farms owing to the higher net economic returns. The proportion of farms that expect higher returns from alternative crops is highest for cassava (97%) followed by maize (87%), rice (83%) and the least for beans (74%). Cassava is the best alternative for both small and large farms because of the highest gains in farm net returns, per capita income and poverty reduction. The next feasible crop alternatives for large farms are maize and rice. Despite their economic feasibility, alternative crops are typical of uncertain markets with unorganised structures for production. Since these are important incentives for tobacco farmers, the study recommends development of institutions that foster value chain development for alternative crops. Supporting agro-processors is likely to guarantee markets and provide for lump-sum payments, input credit for production and a reliable extension service system as way of incentivizing a sustainable switch to alternative cropping systems.
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 | 0,000 |
| 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 ».