Estrategia de género e inclusión social para la cadena de valor de marañón en la región Golfo de Fonseca, Honduras
Bibliographic record
Abstract
La necesidad de implementar proyectos de desarrollo que apunten a reducir las desigualdades de género en el sector agrícola ha llevado a desarrollar estrategias de intervención que aseguren que los roles, las oportunidades, las necesidades y los obstáculos que tanto hombres como mujeres enfrentan para tener una mayor inclusión en determinada cadena de valor, progresar y mejorar sus condiciones de vida, sean tenidos en cuenta. Es así como este documento se concibe como el marco orientador para la integración de la perspectiva de género e inclusión social en las acciones llevadas a cabo con mujeres y hombres de los eslabones de producción y procesamiento de la cadena de valor de marañón en la región Golfo de Fonseca. Esta estrategia pretende contribuir a la sostenibilidad de la cadena de valor, pues apunta no solo a empoderar a las mujeres y mejorar las condiciones de vida de productores, productoras, procesadores y procesadoras de marañón, sino que también busca transformar las normas sociales de género que tienden a exacerbar las desigualdades entre hombres y mujeres. El desarrollo de esta estrategia está enmarcado en el proyecto “Oportunidades de Mercados Rurales en la región Golfo de Fonseca, auspiciado por Global Affairs Canada (GAC) e implementado por Swisscontact”, el cual tiene como objetivo contribuir a mejorar el bienestar económico de pequeños empresarios y productores, especialmente mujeres, jóvenes y personas marginadas que viven en la pobreza. La estrategia se sustenta en los seis indicadores de empoderamiento identificados como prioritarios en la construcción del Índice Abreviado de Empoderamiento de las Mujeres en Agricultura (A-WEAI): 1) participación en decisiones sobre producción, 2) propiedad de activos, 3) acceso y decisiones sobre crédito, 4) control sobre el uso del ingreso, 5) pertenencia a grupos y 6) carga de trabajo (Malapit, et al., 2015)
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".