Tim [user:field_middlename] Njagi

A principios de este siglo, se fomentaron las asociaciones Norte-Sur y Sur-Sur. Mientras que esto ha sucedido en algunos lugares, no funcionó en otros. Los retos de la pandemia de COVID no se han dejado sentir allí donde se crearon asociaciones y se reforzaron las capacidades de los actores locales. En el caso de la primera pregunta, no se ha producido ningún cambio en estos ámbitos como consecuencia de la pandemia. Esto se debe a que las instituciones han estado trabajando para reforzar la inclusión y las asociaciones. Nuestras asociaciones de evaluación locales, regionales e internacionales deberían fomentar las colaboraciones (Sur-Sur y Norte-Sur) que tienen como objetivo formar asociaciones sostenibles, en las que se mejore la capacidad de los evaluadores locales y su participación tanto en el diseño como en la ejecución de los estudios de evaluación.

Gracias, Jean, por iniciar una discusión muy perspicaz.

En mi opinión, la eficacia de los programas y proyectos agrícolas está fuertemente influenciada por su diseño, las lecciones de lo que ha pasado y la capacidad de ajustarse a las situaciones locales. Debido a que los datos y el S&E son bajos, y la apreciación ha sido baja en el pasado, muchos de los cambios que podrían hacerse en tiempo real no han ocurrido. En el plano de las políticas, es importante evaluar por qué se ha logrado un impacto relativamente bajo en el conjunto del sector. Por ejemplo, ¿por qué la adopción es baja a pesar de la promoción y la campaña en pro de las buenas prácticas agrícolas? En nuestra experiencia, la incoherencia de las políticas explica esto. Nuestra experiencia fue que, aunque la promoción de tecnologías estaba bien hecha, la mayoría de esas tecnologías requerían insumos que se importaban. Una política contraria a los impuestos asegura que los costos de los insumos se mantengan altos y, por lo tanto, los agricultores, que son muy racionales, optaron por utilizar tecnologías locales porque tiene sentido desde el punto de vista económico.

Al establecer marcos unificadores de intervención, es importante ampliar el alcance más allá de los interesados tradicionales en la agricultura, incorporar personas en el comercio, las finanzas, etc., para asegurar que se disponga del apoyo normativo y las palancas necesarias, o por lo menos que no haya una política de contrapartida que anule los beneficios que se pueden obtener en la política agrícola. Esto también exige comprender el entorno político más amplio en el que operamos.

He adjuntado un enlace sobre algunos de los ejemplos de incoherencia de políticas para una mayor contextualización. Véase https://theconversation.com/how-incoherent-farm-policies-undermine-kenyas-transformation-agenda-140562  

Estimados miembros de EvalForward,

Gracias a todos por publicar innovaciones y experiencias beneficiosas sobre el mantenimiento de la calidad de los datos durante este período.

Las experiencias y lecciones sobre cómo los diferentes actores y organizaciones están adaptando sus planes de recopilación de datos son esenciales para mantener los beneficios de utilizar la evidencia para fundar las políticas.

Estoy encantado de que podamos seguir aprendiendo a solucionar los desafíos mientras mantenemos la credibilidad de los datos que recopilamos. El siguiente paso es compartir estos datos lo más ampliamente posible y compartir nuestras experiencias lo más amplias posible para garantizar que la región se beneficie significativamente de las políticas informadas utilizando datos creíbles y confiables.

Por favor, siga compartiendo sus experiencias a través de esta plataforma!

Atentamente

Tim

la pandemia COVID-19 es una gran innovación, especialmente para atribuir la inseguridad que ya existía y que debido a la pandemia. Esperamos los primeros resultados de estas innovaciones. por favor comparta algunas de las experiencias de lo que está viendo hasta ahora.

Muchas gracias Ethel por sus contribuciones. No podría estar más de acuerdo contigo. la utilización de datos pasados en este momento es muy útil. además, muchas organizaciones han puesto sus datos anteriores a disposición de su utilización. El análisis de los datos, incluyendo la capacidad de hacer coincidir y combinar datos es una habilidad esencial para poner en uso en este momento. Las opiniones de los expertos también son importantes para la interpretación contextual. En este momento hay algunos modelos, como los de IFPRI, EU, AfDB para el análisis y la evaluación de escenarios, sin embargo, es necesario mejorar la capacidad de modelización entre los evaluadores.

Estimado Diagne,

Muchas gracias por compartir sus comentarios sobre la respuesta rápida. esperamos aprender más sobre su estudio, enfoque y experiencia de Senegal. En una nota conexa, me encontré con la recopilación de datos de respuesta rápida de alta frecuencia que está llevando a cabo el Banco Mundial sobre el COVID-19 en varios países, ver más información aquí http://surveys.worldbank.org/covid-19.

Great suggestions Emile. The use of scientifically established samples greatly makes the data credible. The common practice of talking to a few people is biased and not credible. however, a key challenge remains to reach these respondents. Phone surveys are now the common approach, however, the desired information should be collected should be very short because it is not possible to keep a respondent for a long period over the phone. The other means you have proposed are ideal but may be unsuitable for people in rural areas without access to the internet and electricity. SMS is also a great option but the information collected through this method is also very short. in addition, incentives must be provided to enhance participation. This also needs careful consideration so as not to bias response.

La pandemia de Covid-19 ha alterado la norma en todos los sectores y profesiones. El bloqueo y otras medidas para garantizar la salud y la seguridad de los ciudadanos han significado que la recopilación de datos, especialmente la que se recopiló a través de interacciones de persona a persona no era posible.  Para el crédito de muchos investigadores, evaluadores, recolectores de datos, empresas e instituciones, ha habido muchas y grandes innovaciones en los últimos dos meses para cerrar la brecha y asegurar que haya datos que puedan informar a los responsables políticos. Sin embargo, es importante asegurarse de que los datos que llegan a través son creíbles y confiables. Los datos erróneos, imprecisos, increíbles y poco fiables pueden deshacer las ganancias para tener una formulación de políticas basada en la evidencia. Además, la presión de tener datos puede dar lugar a "doblar" de procedimientos y protocolos para la recopilación, análisis e inferencia de datos. ¿Cómo podemos entonces garantizar la calidad de los datos disponibles que están llegando? ¿Cómo podemos evaluar la calidad del análisis y la inferencia posterior para garantizar que influimos en las prescripciones de política correctas?  ¿Cómo podemos promover la colaboración y el intercambio de lecciones durante estos tiempos?

Hi Aurelie,

our experience shows that although we have gained some ground with policymakers to make them recognise the need for investment in data, we need more traction to get them to commit resources. An ideal strategy in my view is to get a partner willing to put up investments for a pilot. once we demonstrate the effectiveness of such a system, it would be easier to attract more resources especially when demonstrating value for investment.

Thanks, 

Tim

In Kenya, like other developing countries, data within the agriculture sector remains a challenge. This has constrained the RBM model where a lot of focus remains on the processes rather than moving on to outcomes. Many of the ministry's reports give a lot of prominence to the processes and targets achieved for process indicators, and use this to claim success even when independent studies have pointed to little or no progress has been achieved in outputs and outcomes of these processes. At Tegemeo Institute, we have been tracking key indicators and trends within the agriculture sector and have learned some key useful lessons. First, there is need to have a unified data system. A unified system becomes more relevant in devolved systems like Kenya's where the devolved units are semi-autonomous. Second, there is need for continuous capacity development within the systems to ensure that quality data is continuously collected, managed, analysed and shared. Third, leveraging on technology ensures to ensure that credible and quality data is collected and used to inform decisions. 

The Ministry of Agriculture should strengthen the linkages with evaluators within the public and private sectors to improve the quality of evaluations while maintaining the independence of evaluators to make assessment from the evaluation studies and recommend action to be taken to maximise impacts. In addition, identifying change agents who disrupt the BAU position is necessary to be outcome-oriented and use lessons from evaluation to design and implement impactful policies and programs

Hi Christine,

Only a few countries in the region have been able to meet the Malabo declaration target. As such, the clarion call since Maputo days has been to always call for increased public spending in the sector. However, beyond the call for increased spending in the sector by both the public and private sectors, they is need to also pay attention to the efficiency of expenditures in the sector.

For a start,  the key question should focus on the policies that guide spending across the various sectors. for instance, what are the key priority sectors for Uganda's Government? If the focus in on extractive industries, education, or health sectors, the trends on allocation across sectors can easily confirm the picture.

I believe its time we go back and start talking about the efficiency of the expenditures in terms of returns to investment rather than focus on the potential of the sector. This can convince both the government and the private sector to increase investments in agriculture.