Developing nutrition-sensitive value chains in Nigeria
Notice bibliographique
Résumé
With funding from the German and Canadian governments, IFAD recently carried out a set of studies in Nigeria \nand Indonesia to determine how to design nutrition-sensitive value chain (NSVC) projects for smallholders. \nSuch projects seek to shape the development of value chains for nutritious commodities in ways that are likely to address nutrition problems. \nIn Nigeria, the studies were undertaken in the northern states of Katsina and Sokoto, where the IFAD-funded Climate Change Adaptation and Agribusiness Support Programme (CASP) is being implemented by the Federal Ministry of Agriculture and Rural Development of Nigeria. The studies showed that cowpea, groundnut, soybean, millet and sorghum could contribute to improving \nnutrition as well as livelihoods for smallholders. The studies revealed that the main nutrition problems for smallholders in the project areas include diets with inadequate energy, micronutrient and protein consumption. Such diets are known to contribute to high levels of wasting and stunting in children and undernutrition in women. Problems associated with generally poor diets are compounded by seasonal fluctuations. Promotion of the production and consumption of the five crops identified above could help improve diets and lay the foundations for a more nutritious local food system that also promotes women’s empowerment and resilience in the face of climate change. Importantly, these crops also make business sense for smallholders and value chain development.
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 | 0,014 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».