TRANSDISCIPLINARY INNOVATION IN IRRIGATED SMALLHOLDER AGRICULTURE IN AFRICA
Notice bibliographique
Résumé
Abstract Boosting the productivity of smallholder farming systems continues to be a major need in Africa. Challenges relating to how to improve irrigation are multi‐factor and multisectoral, and they involve a broad range of actors who must interact to reach decisions collectively. We provide a systematic reflection on findings from the research project EAU4Food, which adopted a transdisciplinary approach to irrigation for food security research in five case studies in Ethiopia, Mali, Mozambique, South Africa and Tunisia. The EAU4Food experiences emphasize that actual innovation at irrigated smallholder farm level remains limited without sufficient improvement of the enabling environment and taking note of the wider political economy environment. Most project partners felt at the end of the project that the transdisciplinary approach has indeed enriched the research process by providing different and multiple insights from actors outside the academic field. Local capacity to facilitate transdisciplinary research and engagement with practitioners was developed and could support the continuation and scaling up of the approach. Future projects may benefit from a longer time frame to allow for deeper exchange of lessons learned among different stakeholders and a dedicated effort to analyse possible improvements of the enabling environment from the beginning of the research process. © 2020 The Authors. Irrigation and Drainage published by John Wiley & Sons Ltd on behalf of International Commission for Irrigation and Drainage
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 | 0,012 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,011 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,013 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».