Trait preferences and lentil varietal adoption in central Ethiopia: A multistakeholder approach
Notice bibliographique
Résumé
Agricultural technologies, including modern/improved crop varieties, are a critical measure for improving productivity, meeting food security needs, and bridging inequalities. This notwithstanding, adoption of some improved crop varieties in sub-Saharan Africa (SSA) tends to be low, with factors such as limited information, poor access to inputs, and risk averseness cited as reasons for low adoption. Few studies in SSA, and Ethiopia particularly, examine the influence of lentil trait preferences on adoption, and the ones that do only look at farmers' perspectives who are often treated as a homogenous group. This is despite the importance of lentils as a subsistence and growing market crop, and the fact that diverse factors may determine adoption among farmers. To address these knowledge gaps, this study used a mixed methods approach involving multiple stakeholders (n = 808) to understand gendered patterns in lentil varietal adoption and trait preferences, using an intersectional lens. The findings revealed low adoption rates for improved varieties for women and men alike due to poor disease resistance, and insufficient attention from the breeding programs to preferred processing and consumer traits, as well as the differentiated needs of farmers. Paying attention to these trait needs serves to inform gender-intentional breeding and improve the income generation potential of lentil varieties for diverse farmer groups. As such, we recommend sex-disaggregated data collection from socially differentiated groups and market representatives in order to inform breeding priorities along with the development of multiple varieties that suit different needs.
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 ».