The Institutionalization of Farmer Field Schools in Latin America
Notice bibliographique
Résumé
Agricultural systems in Latin America face complex challenges (climate change, socio-political instability, and environmental degradation). These undermine food security and smallholder and Indigenous farming systems resilience. Although local knowledge contributes to adaptation, it is constrained by institutional fragmentation. Approaches such as the Farmer Field School (FFS), based on experiential and collaborative learning, offer promise. However, embedding FFS within national institutional frameworks remains a major challenge. This study explores the institutionalization of FFS in Peru, Colombia, Bolivia, Honduras, and Costa Rica. It examines methodological practices, constraints, and enabling conditions shaping extension and institutional strengthening. A qualitative approach included interviews, field visits, and focus groups with actors from governmental, academic, NGO, and private sectors. Data collection was informed by a literature review and purposive snowball sampling. Findings reveal that institutionalization levels differ across countries, shaped by policy contexts, institutional structures, and actor networks. Success cases showed strong inter-institutional collaboration, curricular integration, and long-term support. Barriers include weak coordination, fragmented policies, and limited institutional capacity. Universities were central in Costa Rica, Colombia, and Honduras, while NGOs and state agencies led in Peru and Bolivia. National alignment and inclusive partnerships were essential to institutionalization efforts. Effective institutionalization requires coherent policies, investment in institutional capacities, and sustained multi-sector collaboration. Embedding FFS into formal education and aligning with rural development agendas enhances their sustainability and transformative potential.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».