Suscríbete a DeepL Pro para poder editar este documento.

Entra en www.DeepL.com/pro para más información.

Sistemas de innovación agrícola y adopción de tecnología agrícola: resultados de un

estudio del sector del plátano de Ghana

Alirah Emmanuel Weyori, Mulubrhan Amare, Hildegard Garming y Hermann Waibel

RESUMEN
Propósito: Evaluamos la adopción de tecnología agrícola en un análisis integrado de las
redes sociales y la innovación en la producción de plátanos en Ghana. El documento
explora la fuerza de las redes sociales en los sistemas de innovación agrícola (AISs) y el
efecto de los AISs en la adopción de tecnología agrícola mejorada.
Metodología/Enfoque: El documento utiliza herramientas de análisis de redes sociales
(SNA) para identificar, mapear y analizar los AISs y el modelo de selección Heckman de
dos etapas. La combinación de métodos cualitativos y cuantitativos permite probar los
efectos diferenciales de las redes sociales en la adopción de tecnología.
Hallazgos: Encontramos sistemas de innovación débiles en el área de estudio. Los
agricultores ocupan un lugar central en las redes sociales, pero tienen poca o ninguna
influencia en la perspectiva del sistema de innovación. El capital de las redes sociales
desempeña un papel fundamental en la mejora de la adopción de la tecnología agrícola
mejorada.
Implicaciones prácticas: Los agricultores focales son actores importantes en la difusión de
la tecnología agrícola. Deberían contar con el apoyo de políticas para interactuar más
eficazmente con los agentes de investigación y extensión. El fortalecimiento del papel de
las redes sociales en el sistema de innovación fomentará la adopción de una mejor
tecnología agrícola.
Implicaciones teóricas: La inclusión de indicadores de SCN en el modelo de adopción es
un enfoque novedoso para cuantificar el efecto del sistema de innovación y contribuye a la
comprensión de los roles de los diferentes actores. Es necesaria una mayor validación de
los indicadores del SCN para realizar un análisis exhaustivo del sistema de innovación.
Originalidad/valor: El enfoque del sistema de innovación es útil para los investigadores y
los responsables de la formulación de políticas, alentándolos a considerar nuevos actores de
la innovación y las relaciones en el desarrollo y la difusión de la tecnología. La
combinación de métodos cuantitativos y cualitativos puede ayudar a identificar los puntos
de partida de las políticas para promover las innovaciones entre los agricultores.

PALABRAS CLAVE
Enfoque de sistema de innovación; análisis de redes sociales; producción de plátanos en
Ghana; variedades mejoradas; agricultor focal; extensión; sistema de innovaciones
agrícolas; redes sociales; plátano; adopción.
1. Introducción

La baja productividad agrícola en los países en desarrollo se atribuye a menudo a la

falta de innovación y a la escasa o nula adopción de tecnologías agrícolas
mejoradas. En la literatura sobre la adopción de tecnología agrícola, se han
identificado muchos factores que influyen en las decisiones de adopción de los
agricultores. La mayoría de los estudios indican que la propiedad de los bienes, las
características de los hogares y las aldeas, así como el acceso a los servicios y a la
infraestructura, influyen en la decisión de adopción de los hogares. Además, la
disponibilidad y accesibilidad de las tecnologías por parte de los agricultores son
importantes. El efecto de cada una de estas características puede ser específico del
contexto y del cultivo, lo que hace que la decisión de adopción sea más difícil de
entender (Amare, Asfaw y Shiferaw 2012; Asfaw et al. 2011; Feder, Just y
Zilberman 1985; Sunding y Zilberman 2001). Del mismo modo, otros estudios
muestran que la ineficacia del sistema lineal descendente de desarrollo y
transferencia de tecnología a los agricultores se ha identificado como un factor
importante que obstaculiza la adopción de nuevas tecnologías agrícolas (Biggs
1990; Hall et al. 2003; Banco Mundial 2006).

La oferta y la demanda de tecnologías agrícolas mejoradas implican una interacción

multifacética entre los diferentes actores, haciendo hincapié en la interdependencia,
la creación de redes y las interacciones sociales que surgen entre estos actores.
Tanto el sector público como el privado desempeñan papeles muy diferentes para
estimular e impulsar la innovación y la adopción de tecnología, complementándose
o sustituyéndose mutuamente. Estas partes interesadas se interconectan y se
relacionan en forma de red para intercambiar y generar nuevas innovaciones para
aumentar la productividad de los agricultores. La red formada en este proceso se
denomina sistema de innovación agrícola (SIA). El AIS comprende todas las
organizaciones e individuos (públicos y privados) involucrados en la generación,
difusión, adopción y uso de nueva tecnología agrícola (Hambly, Hall y Dorai 2012;
Kristin, Ekboir y Spielman 2008; Banco Mundial 2006). Este enfoque permite
analizar la innovación agropecuaria como un proceso complejo y continuo que
involucra a varios actores humanos e institucionales y no sólo a las características
tecnológicas y domésticas. Si bien el sistema de innovación sigue siendo útil para
los investigadores y los responsables de la formulación de políticas, alentándolos a
considerar actores y relaciones nuevos y no convencionales en el desarrollo y la
difusión de la tecnología, las pruebas empíricas de su efecto general en el proceso
de adopción de la tecnología agrícola en los países en desarrollo son limitadas. El
análisis AIS es en su mayor parte de naturaleza cualitativa y se utiliza para la
identificación de actores, conexiones y evaluación de roles (Spielman et al. 2009;
Schiffer y Hauck 2010). No se ha hecho mucho en términos de análisis cuantitativo
para cuantificar los efectos de cada actor en la adopción de la tecnología agrícola,
aunque pocos han tratado de fusionar el AIS y los modelos de adopción
convencionales (Matuschke y Qaim 2009).

Las redes sociales juegan un papel importante en la adopción de la tecnología

agrícola (Wuepper, Sauer y Kleeman 2014; Conley y Udry 2010). En primer lugar,
facilitan la difusión de la nueva tecnología agrícola entre los agricultores de escasos
recursos al reducir la asimetría de la información, especialmente cuando faltan
instituciones formales de extensión e infraestructura (Kassie et al. 2013). En
segundo lugar, las interacciones entre los agricultores y otros agentes sociales
pueden llevar a los agricultores a ajustar su comportamiento para satisfacer las
expectativas de los actores con poder e influencia dentro de la red social (Moser y
Barret 2006; Spielman et al. 2009). Otra parte de la literatura sugiere que las redes
sociales proporcionan a los agricultores acceso a los recursos necesarios para
adoptar e implementar las innovaciones agrícolas (Hartwitch y Scheidegger 2010;
Informe sobre el Desarrollo Mundial 2009). Así, las redes sociales facilitan el flujo
de información, construyen capital social y crean preparación para el cambio,
reduciendo así las barreras para la adopción de tecnología en el desarrollo agrícola.

Un tema crítico en el estudio de las redes sociales que aún permanece en la

literatura es la definición y medición de una red social. Por ejemplo, algunos
estudios utilizan la pertenencia a una cooperativa u organización local como
indicador de red social y posteriormente utilizan el mismo como indicador indirecto
del efecto de la red social en las decisiones de los agricultores. Esta metodología y
definición puede no ser apropiada en muchos casos, ya que no todas estas
asociaciones pueden compartir información agraria pertinente. Además, se puede
suponer que el efecto de las redes sociales va más allá de la mera pertenencia a un
grupo social. Los actores de una red social están conectados por vínculos y,
dependiendo del tipo de vínculos, el impacto en cada actor será diferente. Por lo
tanto, agregar todas las conexiones de redes sociales para que tengan el mismo
efecto en los individuos de la red puede ser engañoso. Por ejemplo, un estudio
realizado por Amlaku et al. (2012) en Etiopía sobre el impacto de las redes sociales
concluyó que comprender las características de las redes y su influencia es
importante para la adopción de la tecnología agrícola. Esto requiere el uso de
métodos mixtos tanto cualitativos como cuantitativos para la evaluación. Sin
embargo, estos modelos complementarios de análisis de redes sociales (SCN) y
adopción econométrica siguen siendo escasos en la literatura empírica.

El objetivo de este estudio es investigar el AIS del plátano en Ghana y cómo la

posición del actor y sus vínculos pueden impulsar la adopción de la tecnología. El
estudio pretende contribuir a la comprensión del AIS como red social. En términos
de metodología, utilizamos métodos cualitativos y cuantitativos para recopilar las
características de los hogares y las aldeas, así como datos de las redes sociales de
los actores del AIS en las regiones Central y Brong-Ahafo de Ghana. Utilizamos las
herramientas del SNA para determinar cómo los actores del AIS interactúan entre sí
para facilitar el intercambio (difusión) de innovaciones en la producción de
plátanos. Somos capaces de vincular el sistema de innovación a la decisión de
adopción del hogar utilizando la característica calculada de la red social -
eigenvalue. Capturamos el efecto del AIS en nuestra estimación econométrica
utilizando el valor propio calculado como un indicador del efecto de la red social.
También estimamos el efecto heterogéneo de los actores en el modelo de adopción.
De esta manera, podemos identificar al/los actor(es) del AIS con mayor
probabilidad de influir en la adopción de tecnología agrícola mejorada e indicar a
 qué actores deben dirigirse las políticas para aumentar la adopción de innovaciones
agrícolas. Además, nuestro enfoque metodológico nos permite probar los efectos
cualitativos de las redes sociales utilizando métodos de estimación cuantitativa.
Hasta donde sabemos, esta es una forma novedosa de combinar las medidas
cualitativas del SCN y los datos cuantitativos para explicar las decisiones de
adopción de tecnología agrícola.

El resto del documento está estructurado de la siguiente manera: La Sección 2

presenta las innovaciones actuales en el sector del plátano en Ghana. La sección 3
presenta el área de estudio y los datos. En la Sección 4, presentamos el marco
conceptual y la metodología con énfasis en las especificaciones del modelo
empírico y el procedimiento de estimación. Finalmente, la Sección 5 presenta los
resultados enfatizando el papel de las redes sociales en la adopción utilizando
diferentes controles robustos. La sección 6 resume y concluye con las implicaciones
de política.

2. Contexto de las innovaciones del plátano en Ghana

La producción de plátanos es muy importante para la economía de Ghana y

actualmente es el cuarto cultivo de alimentos básicos más importante después del
maíz, la mandioca y el arroz. El plátano representa el 13% del producto interno
bruto agrícola de Ghana, que actualmente representa el 28% del PIB nacional. La
producción de plátano proporciona empleo, ingresos y divisas (Dzomeku, Adu-
Kwarteng, y Darkey 2007; Egyir et al. 2011). En la última década, se han
introducido muchas nuevas tecnologías para los productores de plátanos en Ghana,
algunas de las cuales incluyen variedades mejoradas, prácticas agronómicas
(métodos de multiplicación de ventosas y acolchado) y prácticas fitosanitarias con
el fin de aumentar la productividad de los agricultores. El instituto de investigación
agrícola financiado con fondos públicos, el Crop Research Institute (CRI), con su
estación experimental en Kumasi, tiene una posición central en la prueba e
introducción de nuevas tecnologías de producción. El instituto colabora con
universidades nacionales y organizaciones internacionales de investigación para
acceder a nuevos conocimientos, técnicas y variedades mejoradas. La difusión de la
tecnología está a cargo del servicio de extensión, así como de proyectos de
organizaciones no gubernamentales (ONG). Sin embargo, estudios entre los
productores de plátanos han revelado que la adopción de nuevas tecnologías es
todavía baja entre los productores (Dzomeku, Adu-Kwarteng, y Darkey 2007; Egyir
et al. 2011).

3. Ajuste de datos y estadísticas descriptivas

3.1. Datos del estudio

Recopilamos datos tanto de hogares como de redes sociales sobre la producción

de plátano y el sistema de innovación del plátano. Se seleccionaron dos regiones
distintas de estudio con alta importancia para la producción de plátanos: la
región de Brong-Ahafo y la región central de Ghana. La agricultura desempeña
 un papel importante en estas regiones al ofrecer empleo e ingresos para apoyar
los medios de subsistencia y mejorar la seguridad alimentaria. Actualmente,
entre el 65% y el 70% de la fuerza laboral de estas regiones está ocupada por el
sector agrícola. Se esperaba que se encontraran diferencias importantes con
respecto a los sistemas de innovación. La región de Brong-Ahafo produce las
mayores cantidades de plátanos por volumen y superficie en Ghana. Sin
embargo, la productividad y los rendimientos son generalmente bajos en la
región. Esto se ha atribuido a la falta de adopción de mejores prácticas agrícolas,
nuevas tecnologías y el uso de variedades híbridas de plátanos de alto
rendimiento. La región Central es el hogar de la mayoría de las parcelas de
prueba de la institución de investigación de cultivos (CRI) donde se prueban
nuevas innovaciones de plátanos y se distribuyen a los agricultores antes de dar
cobertura nacional. Sin embargo, al igual que en la región de Brong-Ahafo, la
adopción también es baja entre los agricultores (Dzomeku, Adu-Kwarteng y
Darkey 2007; Egyir et al. 2011).

Se pueden atribuir muchas razones a las bajas tasas de adopción observadas en

las áreas de estudio. El bajo e inadecuado acceso a la información relevante
sobre nuevas tecnologías y otros atributos económicos y tecnológicos han sido
documentados como las principales razones de la baja adopción (Dzomeku,
Adu-Kwarteng, y Darkey 2007). En nuestra encuesta, encontramos que los
agricultores no adoptantes indicaron la falta de información sobre las nuevas
tecnologías como la razón principal de la no adopción. De estos agricultores, el
37% conocía las nuevas tecnologías. Mejorar el acceso a la información puede
ser una herramienta para aumentar vigorosamente la adopción.

3.1.1. Datos de los hogares

Se emplearon técnicas simples de muestreo aleatorio multietapa para

seleccionar a los encuestados para este estudio. Un total de 250 productores
de plátanos fueron seleccionados de 7 aldeas (Worekesse, Prassso, Domase,
Breku, Akropong-Domase, Hwidiem y Acherensua) con un promedio de 35
agricultores por aldea. Usando un instrumento de estudio detallado,
recolectamos datos sobre el plátano 4 A. E. WEYORI ET AL. Descargado
por[University of Florida] a las 02:01 20 de octubre de 2017 producción,
historia de las innovaciones agrícolas, características de los hogares e
información de las redes sociales. La recolección de datos fue realizada por
encuestadores capacitados entre agosto y noviembre de 2012. En cada caso,
se entrevistó al jefe del hogar o a la persona que toma las decisiones sobre la
producción de plátano. Además de las características de los hogares, también
complementamos nuestros datos recogiendo datos sobre las características a
nivel de las aldeas, tales como información de mercado (precios de los
insumos y de la producción), infraestructura agrícola, red de carreteras y
otros recursos de producción necesarios para mejorar la adopción de la
tecnología por parte de los productores de plátanos.
3.1.2. Datos de la red social Para caracterizar la red social, recolectamos
información de datos relacionales de la red de todos los actores identificados
del AIS (agricultores focales, distribuidores de insumos, agentes de
extensión, CRI, comercializadores y procesadores a pequeña escala) en el
sistema de innovación del plátano. Siguiendo la metodología de Conley y
Udry 2010; Maertens y Barrett 2013), seleccionamos agricultores focales
para representar a cada aldea. Para ello, pedimos a cada uno de nuestros 250
jefes de hogar muestreados que nombraran a un compañero agricultor con el
que se pondría en contacto cuando buscara innovaciones para el plátano. No
limitamos a los encuestados al número de agricultores que podían nombrar
(lista). Después de identificar las conexiones de los 250 jefes de hogar,
examinamos la lista compilando una nueva lista de agricultores focales. Para
ser incluido en esta lista, un agricultor focal tenía que ser mencionado por lo
menos por otros cuatro encuestados diferentes, que era el número promedio.
En la siguiente etapa, seleccionamos al azar 35 agricultores focales (5 por
aldea) de esta nueva lista de agricultores focales. Los 35 agricultores focales
seleccionados representaron a los agricultores interesados en el sistema de
innovación del plátano. El resto de las partes interesadas eran funcionarios
de extensión de las aldeas, comercializadores de plátanos, institutos de
investigación de cultivos y comerciantes de insumos agrícolas. A
continuación, se elaboró un cuestionario para las partes interesadas, que se
les administró. A cada actor se le preguntó a qué actor comparte información
sobre las innovaciones del plátano e indicar la dirección de la comunicación.
Por ejemplo, cuál fue la dirección de la relación; si recibe o da información
y categoría de información, es decir, tecnología o información de mercado.

El mapeo del sistema de innovación se realiza utilizando el enfoque de

mapeo en red de la herramienta de SCN1. Basándonos en la información
relacional obtenida del cuestionario de las partes interesadas, construimos
una red egocéntrica.2 La red egocéntrica incluía a los 35 agricultores focales
de la muestra y a los actores del AIS identificados durante las discusiones
del grupo. Un total de 30 actores del AIS fueron incluidos en la red
egocéntrica de actores que representaban a 5 encuestados por actor (ONGs,
agentes de extensión, proveedores de insumos, procesadores,
comercializadores y agricultores). Los datos de la red egocéntrica son útiles
de dos maneras. Primero, ayuda a entender las relaciones entre los actores y
qué actores son centrales en la transmisión de información en la red del
sistema de innovaciones del plátano. Segundo, ayuda a determinar el tipo de
información compartida entre los actores en la red AIS mapeada. Las
características de las redes sociales de los actores del AIS, la centralidad de
la intermediación, el grado de entrada y salida y el valor propio de cada
actor en la red, como se discute en la Sección 4.2, se calculan usando el
software de redes sociales de UCINET.

3.2. Estadísticas descriptivas

 En la Tabla 1 se presentan las características descriptivas de los encuestados y
los agricultores focales. De los 250 hogares entrevistados, 69 habían adoptado la
FHIA-21, lo que representa una tasa de adopción del 28%. El tamaño de las
explotaciones oscila entre 0,20 y 8,09 ha, con un tamaño medio de 1,74

ha, y esto es consistente con la distribución nacional de las fincas (GSS 2010). La
educación media de los encuestados es de 7 años, con un tamaño de hogar de 4. En
particular, el acceso a los medios de comunicación (información) es muy bajo entre los
encuestados. Comparando a los adoptantes con los no adoptantes, encontramos que los
adoptantes difieren significativamente de los no adoptantes en términos del tamaño del
hogar, el acceso a los medios de comunicación, el acceso a los insumos, la propiedad del
ganado y la distancia a los mercados. También encontramos que el costo por acre por año
de producción de plátanos difiere significativamente entre las categorías de adopción. Los
adoptantes tienen menos dependientes y más miembros activos en el hogar. Además, los
adoptantes tuvieron más acceso a los medios de comunicación (información), insumos
durante todo el año, aunque menos ganado (unidades de ganado tropical - TLU) en nuestro
estudio.
En comparación con los agricultores de la muestra, los agricultores focales son mayores (58
años), tienen menos educación (5 años), más experiencia agrícola (20 años), gran tamaño
de las fincas (10 acres) y mayor tamaño del hogar (6). Los agricultores focales también
tienen más ganado, activos e ingresos no agrícolas en comparación con los encuestados de
la muestra. En general, los agricultores focales tienden a tener más recursos, lo que
probablemente influyó en su acceso a nuevas innovaciones agrícolas mejoradas. Nuestros
resultados también indican que el nivel de conocimiento de las tecnologías agrícolas
mejoradas es generalmente bajo entre los encuestados.

En cuanto a las fuentes de información, encontramos que los colegas agricultores y los
agentes de extensión siguen siendo los más importantes (Tabla 4). Encontramos que el 38%
de los adoptantes indicaron a sus colegas agricultores como su principal fuente de
información, mientras que el 17% obtiene información de los agentes de extensión,
mientras que el 5% indica que la IRC es una fuente de información. Sin embargo, el 15% y
el 12% de los no adoptantes indican colegas agricultores y agentes de extensión,
respectivamente, como fuentes de información. Estos resultados indican el importante papel
de los agricultores colegas (coordinadores) o de los servicios informales de extensión en la
promoción de la difusión de tecnologías mejoradas, especialmente dada la baja proporción
de agricultores con personal de extensión formal en Ghana (Cuadro 2).

4. Estrategias de estimación empírica

4.1. Decisión de adopción

El documento emplea el modelo de hogar agrícola no separable con mercados

que faltan (Sadoulet y de Janvry 1995; Singh, Squire y Strauss 1986) como el
concepto clave.

marco de trabajo. El hogar agrícola con limitaciones de información decidirá

adoptar la tecnología agrícola que produzca los ingresos netos más altos dada la
función de producción y las limitaciones de tierra, mano de obra y otros recursos
(Amare, Asfaw y Shiferaw 2012; Yessuf y Köhlin 2008). Por lo tanto, un hogar
adoptará variedades mejoradas de plátanos si la utilidad recibida en forma de
ganancia de las variedades mejoradas (L∗ i) es mayor que la utilidad de las
variedades actuales de plátanos. El modelo teórico de adopción se formaliza en
base a la función de beneficio de la adopción y se da como:

A∗ i = g′ (pA - pNA), (1)

donde A∗ i es la utilidad inobservable latente recibida pero la decisión de

adopción de i se observa como una decisión binaria Ai. Por lo tanto, la variable
ficticia de adopción observada toma el valor Ai = 1 para A∗ i . 0, y Ai = 0 para
A∗ i ≤ 0. π denota ganancias, y los subíndices se refieren a adoptantes (A) y no
adoptantes (NA). Asumiendo que cada agricultor toma su decisión de adopción
para maximizar las ganancias, la decisión de adopción reducida de la finca es
dada por:

Ai = f(si, xi, zi; b) + mi , (2)

 donde Ai es decisión de adopción, si es un vector del índice de la red social, xi
es un vector de las características de los hogares, zi es un vector de los
indicadores de riqueza y de los hogares i, β es el vector de los coeficientes, y mi
es el término de error aleatorio específico de un hogar que es independiente y
está distribuido de manera idéntica. Siguiendo la simple función de
maximización de las ganancias de los hogares, se plantea la hipótesis de que la
red social aumenta el acceso de los agricultores a la información sobre las
innovaciones disponibles y, por lo tanto, afecta positivamente su capacidad para
evaluar y acceder a la tecnología agrícola.

Siguiendo a Hartwitch y Scheidegger (2010) quienes argumentan sobre la

importancia de la posición de las redes sociales para influenciar a sus pares,
nuestro objetivo es evaluar el efecto del AIS en la adopción. En particular,
investigamos cómo las características de las redes sociales influyen en la
decisión de adopción, dado un conjunto de características del hogar, el pueblo y
la tecnología. Los actores del AIS relacionados con este estudio del sector del
plátano en Ghana incluyen a los productores de plátanos, agricultores focales de
las aldeas,3 CRI, agentes de extensión, distribuidores de insumos,
comercializadores, procesadores y ONGs (por ejemplo, World Vision
International). La frecuencia y la calidad de las interacciones de estos actores
determinan la forma en que el conocimiento (innovaciones) se difunde a través
de la red que conduce a la adopción y a nivel de la finca. Según Matuschke y
Qaim (2009), las características de un miembro de una red social no afectan
directamente las decisiones de adopción, sino más bien las características de la
propia red. Las características de la red, como la forma en que se distribuye el
poder concentrado o distribuido entre los actores de la red social, son las que
realmente impulsan el cambio en una red determinada. Para los fines de este
estudio, definimos a un adoptante como un agricultor que ha cultivado
variedades FHIA-21 al menos en los últimos 12 meses anteriores a este estudio
de campo. FHIA-21 es una variedad de plátano de alto rendimiento con
resistencia a las enfermedades y cualidades de madurez temprana que ha sido
introducida a los productores de plátanos en Ghana por la CRI.

4.2. Medición de las características de las redes sociales (capital de las redes
sociales)

Los vínculos sociales son los elementos centrales de las redes sociales que
impulsan el intercambio social. Están determinadas por las interacciones de los
miembros de la red, por ejemplo, en términos de intercambio de información. Por lo
tanto, las redes sociales son un canal potencial a través del cual se puede influir en
la decisión de adopción del agricultor. Las características de las redes sociales
describen los patrones de intercambio dentro de la red, mientras que los vínculos
conectan a los actores dentro de la red social. Los lazos son vistos como fuertes o
débiles basados en el número de interacciones, el tiempo y la frecuencia de las
interacciones entre los actores, así como los servicios recíprocos que caracterizan al
vínculo (Sykes, Venkatesh y Gosain 2009; Wasserman y Faust 1994). Con la
interacción y el contacto constante viene la confianza que es primordial en el
intercambio de ideas e información entre los actores de una red social. Los vínculos
entre los actores se consideran fuertes si los individuos comparten puntos de vista
similares y se comunican eficazmente. Estos vínculos son muy importantes para
compartir innovaciones y tareas complejas, especialmente en el discurso agrícola,
debido a su frecuencia y confianza desarrollada a lo largo del tiempo (Crona y
Bodin 2006; Magnan et al. 2015).

Si bien los vínculos e interacciones en el SCN pueden medirse a diferentes niveles,

los vínculos binarios son especialmente importantes para medir la relación entre dos
actores. Una característica simétrica de una medida binaria es su capacidad para
mostrar la dirección del flujo de información que es relevante para los agentes de
cambio y adopción (Hanneman y Riddle 2005; Scott 2000). En este estudio, se
utiliza una medición de nivel binario para determinar qué actores comparten
información sobre las innovaciones del plátano y la dirección del flujo de
información sobre las innovaciones en la red. Matemáticamente, si el actor i se
relaciona con el actor j compartiendo información sobre las tecnologías del plátano
y lo contrario también es cierto, entonces xij = x ji. Por otro lado, si la información
fluye del actor i al j pero lo contrario no es cierto, entonces xij = 1 y xji = 0. Esta
matriz proporciona una base para construir datos de red relacional sobre los actores
del sistema de innovación del plátano en nuestra área de estudio. Los datos
representados como `1' y `0' se organizan en una matriz relacional (para una
revisión completa de los datos de las redes sociales, ver Scott 2000, 25-35).
Utilizamos estas matrices para estimar los indicadores cuantitativos que describen el
patrón de intercambio dentro de la red utilizando la centralidad de grado, la
centralidad de la red, la centralidad de la red y los valores propios. La centralidad
del grado es el número de vínculos que están directamente relacionados con cada
actor. Estos lazos son entrantes o salientes, en cuyo caso se denominan en grado y
fuera de grado, respectivamente (Matuschke y Qaim 2009). La dirección de un
empate indica si un actor es un innovador y, por lo tanto, proporciona información a
otros actores, mientras que el grado muestra la popularidad de un actor en la red.
Supongamos que un actor i está unido por un número de bordes tal que Aij = 1,
entonces el grado de centralidad (D) definido como el número de bordes unidos al
actor i (matriz Aij = 1) se da como:

Di = n j-1 Aij, (3)

donde j es la otra red, el actor i tiene lazos relacionales y n es el número de actores

en la red. El grado de centralidad es entonces normalizado para dar un valor que va
de 0 a 1 por la fórmula:

nDi = Di n - 1 . (4)

La centralidad de la intercesión según Freeman (1979) se define como el número de

veces que un actor conecta a otros actores utilizando los caminos más cortos que
conectan a esos otros actores en una red social. Es decir, no se observa una
 conexión directa entre estos dos actores, sino a través del tercer actor. La
centralidad de la intermediación de un actor i se da matemáticamente como:

Donde y y y z son actores diferentes en la red de innovaciones y la diferenciación

normalizada calculada como:

La eigencentralidad (eigenvalue) o centralidad de la red captura la posición de un

actor en una estructura de red social en relación con otros actores y mide el acceso
potencial a los recursos por parte del actor que puede ser utilizado para influenciar a
otros en la red. Cuanto más alto es el valor propio de un actor, más central es el
actor en la red (Borgatti 2005; Wasserman y Faust1994) La centralidad de la red
global mide el nivel de desigualdad en la distribución de la influencia en la red.

4.3. Modelo empírico

En esta sección, establecemos estrategias empíricas que exploran el vínculo entre las
redes sociales de los productores de plátanos en el AIS y la decisión de adoptar
tecnologías mejoradas. Probamos empíricamente nuestra hipótesis de que el capital de
la red social tiene un efecto positivo en la adopción de variedades mejoradas de
plátanos. Se puede argumentar que estimar el efecto del capital de las redes sociales en
la decisión de adoptar tecnologías mejoradas utilizando un modelo de regresión binaria
podría llevar a una estimación del sesgo debido a heterogeneidades inobservables que
emanan del problema de la reflexión (Manski 1993) y del sesgo de exclusión (Caeyers y
Fafchamps 2016; Guryan, Kroft y Notowidigdo 2009). Algunos agricultores pueden
estar mejor vinculados a la red social debido a su habilidad y capacidad de gestión, y/o
compartir características y comportamientos comunes con otros miembros del grupo
(Wuepper, Sauer y Kleeman 2014). Sin embargo, nuestra variable de capital de red
social se construye a partir de una amplia gama de vínculos entre los actores del sistema
de innovación, incluidos los agricultores, los funcionarios de extensión de las aldeas,
los comercializadores de plátanos, el instituto de investigación de cultivos y los
comerciantes de insumos agrícolas. De esta manera, los primeros vínculos son entre los
actores, que tienen más probabilidades de ser exógenos para los agricultores. En
segundo lugar, los agricultores pueden tener menos influencia en la formación de
vínculos entre algunos de los actores, como el instituto de investigación de cultivos y
los insumos agrícolas. Además, aunque medimos el capital de la red social durante la
encuesta, la mayoría de los vínculos de la red se forman mucho antes de la encuesta y
podrían considerarse como capital de la red social en el período anterior (medición
retardada). Esto podría reducir el sesgo de exclusión (Wuepper, Sauer y Kleeman
2014). Con estos argumentos, procedemos a estimar la decisión de adopción.
Básicamente, la decisión de adopción se estima utilizando el modelo de regresión
probit:

Donde el principal coeficiente de interés es s, el vector de red social característico del

AIS medido a nivel de aldea, se reconoce que el proceso de adopción se inicia desde el
punto de difusión, por lo que una red social interactiva facilita la difusión, por lo que un
actor del AIS con un alto valor propio influirá positivamente en las decisiones de
adopción del agricultor vinculado a este actor. Específicamente, los valores propios de
los agricultores focales, IRC, agentes de extensión y comerciantes de insumos
agrupados a nivel de aldea se utilizan en nuestra estimación. Los actores con un fuerte
capital de red social acumulan poder en su red y son capaces de influir en los flujos de
información entre otros actores. Esto puede sesgar la difusión acumulativa y la posterior
adopción de la innovación.
La variable xi es el vector de las características de cabeza de familia como la edad, el
género, los años de educación formal y la experiencia agrícola; y características
agrícolas como la disponibilidad de mano de obra familiar, los activos, los ingresos y el
tamaño de la granja del hogar i (Adesina y Baidu-Forson 1995; Asfaw, Di Battista, y
Lipper 2016). La educación superior, una mayor experiencia agrícola y una mejor
disponibilidad de mano de obra suelen tener un impacto positivo en la adopción de
nuevas tecnologías que requieren aprendizaje y conocimiento, así como algo de mano
de obra adicional para probar la tecnología. zi es un vector de indicadores de riqueza
capturados a través de activos (pecuarios y no pecuarios) y podría influir en la decisión
de adopción; los agricultores que tienen un mayor número de ganado pueden preferir
invertir su tiempo y recursos en el ganado en lugar de en la producción de plátanos. Los
mayores activos no pecuarios indican recursos disponibles para invertir en la
producción de plátanos o para facilitar el acceso al crédito. Por lo tanto, planteamos la
hipótesis de que un alto activo no ganadero afectará positivamente la decisión de
adopción. vi es un vector de características a nivel de aldea, como la distancia al
mercado y el acceso a la oficina de extensión.
En la segunda fase de nuestro análisis, estimamos la intensidad de adopción definida
como el tamaño total de la finca en acres asignados a variedades de alto rendimiento en
relación con las variedades tradicionales. Dado que no todos los hogares adoptan
variedades mejoradas de plátanos, la intensidad de la adopción no puede estimarse
directamente, por ejemplo, utilizando el modelo estándar censurado de Tobit. La
variable de resultado será inobservable para los hogares que no adoptaron. Por lo tanto,
las estimaciones resultantes serían sesgadas e inconsistentes al utilizar Tobit. Además,
el supuesto del modelo Tobit de que tanto la decisión de adoptar como la cantidad de
objetivos afectados por las mismas variables no son correctas; estas dos decisiones no
son tomadas simultáneamente por el agricultor y pueden estar influenciadas por factores
diferentes. En la práctica, la cuestión de los no adoptantes en la muestra debe abordarse
como una cuestión de selección de la muestra, lo que hace que la submuestra de
adoptantes no sea aleatoria. Por lo tanto, para estimar con precisión la intensidad de la
adopción se requiere el uso de un modelo econométrico que corrija la censura de la
variable dependiente en la que la variable de resultado está condicionada a que se
observe la adopción. Por lo tanto, utilizamos un modelo de selección de muestras de dos
etapas para nuestro estudio que permite que la decisión de adoptar y la intensidad de la
adopción se modelen por separado (Heckman 1979; Wooldridge 2002).

Sin embargo, los resultados de la estimación de Heckman pueden seguir siendo

sesgados, informando grandes errores estándar inflados cuando se utilizan las mismas
covariables en las ecuaciones de selección y de resultado (Bushway, Johnson y Slocum
2007). Para corregir esta ineficiencia, incluimos la restricción de exclusión para reducir
la probable correlación entre la relación inversa de Molinos y los predictores exógenos.
La idea detrás de la restricción de exclusión es similar a la de las variables
instrumentales, en las que se identifican factores que afectan a la primera ecuación
(ecuación de selección) pero no a la segunda etapa (regresión de resultados). Los
modelos de adopción empírica identifican y utilizan la percepción de los agricultores y
la distancia a la oficina de extensión agrícola como instrumentos adecuados en ese
sentido en el modelo de selección de dos etapas (Amare, Asfaw y Shiferaw 2012). En
nuestro estudio, el acceso a los medios de comunicación puede estar correlacionado con
el acceso de los agricultores a la información sobre nuevas innovaciones agrícolas, lo
que influye en la decisión de adopción, pero no en la intensidad de la adopción. De
manera similar, en un entorno con una asimetría imperfecta de mercado e información,
el capital de las redes sociales puede afectar la decisión de adoptar innovaciones a
través del flujo de información sobre la rentabilidad de la nueva innovación entre los
agricultores. Sin embargo, no se espera que se observe este efecto en cuanto a la
intensidad de la adopción. Por lo tanto, se utilizó el acceso a los medios de
comunicación y las características de las redes sociales como variables de restricción de
la exclusión.

5. Resultados y debates
5.1. Identificación y mapeo de los actores del sistema de innovación
El estudio identificó a los productores de plátanos, CRI, agentes de extensión, ONGs
(por ejemplo, Visión Mundial Internacional), comerciantes de insumos, mujeres de
mercado y procesadores como los principales actores del sistema de innovación en el
sector del plátano en Ghana. Principalmente, estos actores comparten información sobre
las tecnologías del plátano e información de mercado (por ejemplo, precios, tendencias
de la demanda de los consumidores y quejas de los consumidores). La mayoría de los
intercambios son unidireccionales y no se observa ningún bucle de retroalimentación.
Estos agentes de la innovación desempeñan funciones diferentes y específicas para
promover la cultura, la difusión y la adopción de la innovación. El CRI es el principal
instituto de investigación que asume un papel de liderazgo en el ensayo y la
investigación de nuevas tecnologías mejoradas. Los servicios de intermediación, como
la difusión de tecnologías a los agricultores, son prestados por agentes de extensión y
las ONG proporcionan apoyo logístico (World Vision International). Sin embargo, la
relación extensión-agricultor es muy baja (1:1500), y se observó un bajo conocimiento
de las innovaciones por parte de los agricultores.
Se identificaron dos puntos de entrada principales para las innovaciones tecnológicas
del plátano en el sistema de innovación a través de la información de las partes
interesadas: (1) a través de los agricultores (por ejemplo, los actores mencionaron a los
agricultores que regresaban y que originalmente se mudaron de la aldea a otras aldeas,
sin embargo, no pudimos entrevistar a estos agricultores específicamente) y (2) a través
de CRI. Las innovaciones que se basan en insumos y herramientas fácilmente
disponibles en la granja, como el uso de ceniza de madera y agua caliente para el
tratamiento de nematodos, se difundían generalmente a través de las interacciones entre
agricultores. Las innovaciones que implican nuevos insumos o conocimientos, como las
nuevas variedades o las prácticas de gestión de cultivos, fueron difundidas por
instituciones de investigación y extensión establecidas (Figura 1).
Figura 1. El flujo de información entre los actores del sistema de innovación del plátano
en Ghana (Flujo de la tecnología del plátano entre CRI, extensión y agricultores Flujo
de información de las tecnologías del plátano en dirección de la flecha que involucra a
todos los actores representados, Flujo de información del mercado en dirección de la
flecha entre agricultores, procesadores, distribuidores de insumos y mujeres del
mercado). Fuente: Representación de los autores utilizando los datos de la encuesta de
campo de 2012.
Los vínculos más fuertes en el sistema de innovación fueron los que relacionan al
agricultor con el agricultor focal, siendo los más débiles los que relacionan a la IRC con
los procesadores (valor agregado). Las interacciones más fuertes entre agricultores
sugieren que podría haber una fuerte transferencia de información sobre innovaciones y
tecnología agrícolas. Este hallazgo es similar a lo que han informado Suchradipta y Raj
(2015) en el estudio de los interesados en el arroz en la India. Esto presenta un hallazgo
interesante para que los responsables de la formulación de políticas mejoren la
participación directa en el proceso de innovación tecnológica y también en la difusión.
Esto es importante para la agricultura en los países en desarrollo, donde los servicios de
extensión agrícola están insuficientemente financiados y, en algunos casos, totalmente
ausentes. Sin embargo, observamos que en el AIS del plátano en Ghana, los agricultores
apenas participan en el desarrollo de innovaciones técnicas. Esto podría explicar la baja
adopción de las innovaciones difundidas por las instituciones de investigación y
extensión.
Otros vínculos (vínculos) identificados que se distribuyeron equitativamente incluyeron
a los agricultores con los agentes de extensión, a los agentes de extensión con CRI y a
los agentes de extensión con las ONG. Estos vínculos son en su mayoría
unidireccionales y sólo muestran la fuente de origen de la información comunicada
dentro de estos actores. Los procesadores apenas reciben información sobre nuevas
tecnologías, como las características de las nuevas variedades, lo que limita la
aceptación de las innovaciones. En términos de política, este mapa de vínculos muestra
qué vínculos deben fortalecerse para promover una red cohesiva e interactiva,
especialmente en lo que se refiere a la retroalimentación sobre las innovaciones difusas
del plátano para permitir su mejoramiento. Sin embargo, encontramos que los actores
no reciben retroalimentación sobre la información que transfieren en el sistema.

5.2. Medidas de centralidad de los actores en el AIS

El análisis de las diferentes medidas de centralidad puntual para los actores del sistema
de innovación indica que los actores más centrales son los agricultores, la extensión y la
IRC. En primer lugar, nos centramos en las medidas de centralidad en grado de los
agricultores focales y otros actores del AIS. Como se explicó, esto muestra la
popularidad de un actor y por lo tanto la frecuencia del actor se refiere a sus pares para
las innovaciones del plátano. Los agricultores focales tenían un valor normalizado de
0,71 en grados, lo que indica que el 71% de los vínculos existentes que solicitan
información sobre innovaciones dentro del sistema de innovaciones están dirigidos a los
agricultores focales locales. La confianza, la reducción del riesgo, el fácil acceso y la
compatibilidad fueron algunas de las razones del intercambio de información entre los
agricultores en ciernes.
En las redes agrícolas, la evidencia empírica muestra que los vínculos externos juegan
un papel clave en la identificación de actores que pueden introducir tecnologías
mejoradas en la red (Hanneman y Riddle 2005; Magnan et al. 2015). Con este fin,
además, calculamos el nivel de alcance (centralidades fuera de grado) por actor y nos
dimos cuenta de que los agricultores focales, los agentes de extensión y la IRC tenían
una medida fuera de grado de 0,57, lo que se traduce en un 57,14%. Esto significa que
estos actores son importantes para introducir innovaciones tecnológicas en el sistema de
innovación del plátano. La medida de alto grado de IRC es bastante sorprendente
porque tradicionalmente la IRC es una organización basada en la investigación y no en
la entrega de innovaciones a los agricultores. Una posible explicación que profesamos
podría ser la colaboración entre CRI y World Vision International en ensayos de campo
de agricultores para nuevas variedades mejoradas en el área de estudio. Esto permitió
que el CRI desempeñara un papel temporal como agente de extensión. Sin embargo, los
resultados confirman la importancia de los agricultores focales en el sistema de
innovación para difundir las innovaciones. Este hallazgo está en línea con otros estudios
(Conley y Udry 2010; Wuepper, Sauer y Kleeman 2014) que informan sobre el
importante papel de la extensión de agricultor a agricultor en la difusión de la
tecnología en Ghana.
Como se explica en la Sección 4.2, la centralidad de la intermediación mide el papel de
los actores en la entrega de información dentro de la red. La centralidad de la
intermediación identifica, por lo tanto, a los actores que facilitan el flujo de información
o que sirven de puente para la información entre otros actores. Estimamos la centralidad
de Freeman para cada uno de los actores de la red que se presentan en la Tabla 3. La
medida de distancia para los agricultores focales es de 12, lo que representa
aproximadamente el 40% de todos los vínculos existentes en el sistema de innovación
del plátano, mientras que los agentes de extensión y CRI están conectando
aproximadamente 3.5 (13%) y 7 (26%) de los vínculos, respectivamente (Tabla 3). Este
resultado significa que si se introducen innovaciones en el AIS, el camino más corto
para diseminar dicha información es a través de los agricultores focales. Por lo tanto, las
innovaciones se propagan más rápidamente utilizando agricultores focales en los
sistemas de innovación del plátano. Este resultado pone aún más de relieve el
importante papel de los agricultores en la difusión de las innovaciones que actúan. El
papel de la Dirección de Servicios de Extensión en la difusión de las innovaciones ha
disminuido con el paso de los años debido a las limitaciones de personal y de capacidad
logística, lo que ha dado lugar a la pérdida de confianza de los agricultores.
Aunque los índices de centralidad de la red pueden interpretarse como la influencia y el
prestigio de un actor en la red, la medida real de la influencia de un actor en el sistema
de innovación está determinada por la medida de centralidad del vector propio. Los
resultados muestran, basados en la centralidad de los vectores propios en una escala de
0-1, que los agricultores fueron más influyentes (0.83) que cualquiera de los otros
actores identificados en el AIS del plátano en el estudio (Tabla 3).
5.3. Resultados econométricos
En el cuadro 4 se presentan las estimaciones de la regresión de la intensidad de la
adopción corregida por la selectividad y la heteroscedasticidad en la primera y segunda
etapa, sin los índices del SCN. Se rechaza la prueba Wald de la hipótesis de que todos
los coeficientes de regresión son conjuntamente iguales a cero. Por lo tanto, modelamos
el marco econométrico partiendo del supuesto de que la decisión de adoptar variedades
mejoradas y la intensidad son dos decisiones distintas e independientes entre sí. La
relación de molinos inversos, una variable que capta la dependencia de las dos
decisiones, nos parece estadísticamente significativa, lo que sugiere que el modelo de
selección de la muestra es más apropiado para los datos. Los resultados del modelo de
selectividad revelan que las variables que afectan la decisión de adoptar variedades
mejoradas son diferentes de las variables que influyen en la intensidad. Otra
observación importante es que variables como la tenencia de bienes del hogar, los
ingresos no agrícolas y el acceso a los medios de comunicación se vuelven
insignificantes cuando se controla la red social (Cuadro 4). Para cada modelo se
presentan las estimaciones de los coeficientes y los efectos marginales. Los efectos
marginales asociados a las variables del modelo probit representan cambios en la
probabilidad de adopción. En el modelo de regresión de la segunda etapa, se reportan
los efectos marginales calculados condicionados a la adopción de variedades mejoradas
de plátanos.
La adopción de variedades mejoradas se explica por cinco de las variables modelo que
figuran en la columna 1 del Cuadro 4. Interpretamos los efectos marginales de las
variables significativas en la estimación presentada en la columna 3 de la Tabla 4. Estos
resultados no incluyen la medida del SCN del AIS del agricultor. Encontramos un
efecto negativo significativo de la relación de dependencia en la decisión de adopción,
que puede indicar los requisitos de mano de obra adicional para el cultivo de las
variedades mejoradas. Un aumento del 1% de dependientes en el hogar disminuyó la
probabilidad de adopción de variedades mejoradas de plátanos en un 3%. Las
explotaciones ganaderas medidas en términos de UGT tienen un efecto negativo en la
adopción (una unidad adicional de UGT reduce la adopción en un 8%), lo que
contradice las conclusiones anteriores sobre la relación entre la adopción de tecnología
agrícola y la ganadería. Por ejemplo, Asfaw et al. (2011) informaron de una relación
positiva entre la propiedad del ganado y la adopción entre los agricultores de guisantes
de paloma en Etiopía. Relacionan esta conclusión con la posible mejora del acceso al
crédito para los ganaderos, lo que podría afectar positivamente a la adopción de
innovaciones que requieran una inversión inicial. Sin embargo, en el caso de los
productores de plátanos en Ghana, una posible razón para esta observación contraria
puede explicarse por los menores beneficios esperados de los plátanos en comparación
con el ganado. Por lo tanto, los ganaderos pueden preferir invertir en la producción
ganadera con mayores rendimientos directos y considerar los plátanos como un cultivo
secundario para la subsistencia con menor prioridad para la innovación. Además,
encontramos que el acceso a los medios de comunicación es un determinante
importante para la adopción de variedades mejoradas de plátanos. Los encuestados que
tienen acceso a los medios de comunicación son 23% más propensos a adoptar
variedades mejoradas de plátanos que los que no tienen acceso a los medios de
comunicación. Esto puede sugerir que los hogares con acceso a los medios de
comunicación tienen más probabilidades de estar bien informados sobre la
disponibilidad y la rentabilidad de las variedades mejoradas y, por lo tanto, de aumentar
la probabilidad de adopción. Curiosamente, encontramos que la distancia a los
mercados tiene un efecto positivo en la adopción. Aunque esperamos que ocurra lo
contrario, esto puede explicarse por el hecho de que los agricultores no envían
directamente sus productos a los centros de mercado para venderlos. Los minoristas que
viajan largas distancias para comprar la cosecha en el campo pueden terminar pagando
una prima adicional por los productos, ya que no tendría sentido económico negarse a
comprar y regresar con camiones vacíos.
 Encontramos cuatro variables (relación de dependencia, activos (riqueza), distancia al
mercado y acceso a los insumos) que afectan significativamente a la intensidad (véase
la columna 3 del cuadro 4). La relación de dependencia tiene un efecto negativo
significativo en la intensidad de adopción de variedades mejoradas de plátanos. Esto se
espera ya que la adopción de las nuevas variedades normalmente requerirá mano de
obra adicional para limpiar la tierra y plantar los ventosas. Condicionado a la decisión
de adopción, los efectos de riqueza que se captan a través de los activos no terrestres y
no pecuarios tienen un efecto significativo en el aumento de la intensidad de la
adopción de variedades mejoradas de plátanos. Los resultados indicaron que la posesión
de activos, que puede ser un sustituto de la riqueza, aumenta la intensidad de la
adopción de la tecnología agrícola mejorada. Por ejemplo, es más probable que los
agricultores ricos puedan comprar insumos (herbicidas y fertilizantes), contratar mano
de obra adicional y soportar otros costos asociados con la adopción de variedades
mejoradas en grandes cantidades. En un país en desarrollo como Ghana, donde los
agricultores necesitan garantías para acceder al crédito, los activos productivos son
importantes para acceder al crédito destinado a la compra de insumos para la expansión
agrícola. Esta conclusión se ve corroborada por el hecho de que el acceso a los insumos
agrícolas durante todo el año repercute positivamente en la intensidad de la adopción.

5.3.1. Estimación con índices de SCN

Nuestra estimación de control de las características de la red social del sistema de
innovaciones del plátano se presenta por separado en la Tabla 5. Los resultados muestran
dos patrones interesantes que vale la pena destacar. En primer lugar, algunas variables
significativas se vuelven insignificantes y, en segundo lugar, las que siguen siendo
significativas tienen un efecto marginal reducido sobre la adopción. Esto puede indicar el
papel de las redes sociales en la reducción de las barreras de la adopción de tecnología. La
columna 1 de la Tabla 5 presenta los resultados de la estimación de la decisión de adopción
con el índice agregado de la red de todos los actores activos identificados y utilizados para
construir la red social egocéntrica. Hacemos esto para ver si hay algún impacto
significativo de la red AIS en la adopción, lo que dará lugar a un análisis heterogéneo del
efecto de los actores individuales. Las columnas 2 y 3 reportan los efectos marginales y la
intensidad de los resultados de la adopción con el modelo de SCN, respectivamente.
Interpretando los resultados de la columna 1 de la Tabla 5, encontramos que el capital de la
red social tiene un efecto significativo y positivo en la adopción de variedades mejoradas de
plátanos. Por ejemplo, los resultados de la decisión de adopción muestran que unas mejores
conexiones con el AIS aumentan la probabilidad de adopción de variedades mejoradas.
Este hallazgo está en línea con el de Wuepper y Sauer (2016), quienes reportan un efecto
similar entre los productores de piña en Ghana. Esto es coherente con la definición del AIS
como un sistema de aprendizaje en el que los diferentes agentes comparten información
sobre las nuevas tecnologías agrícolas y la innovación. La experiencia del agricultor,
definida como los años de cultivo del plátano, se convierte ahora en un determinante
significativo de la adopción de la tecnología después de controlar las características del
SCN. Encontramos que un incremento del 1% en los años de cultivo del plátano aumenta la
probabilidad de adopción de la FHIA-21 en un 2% (columna 1). El aumento de los años de
cultivo más un SCN interactivo puede ser una indicación de que el agricultor se ve
influenciado gradualmente por otros actores de la red social, como los agricultores focales
con el tiempo. A medida que los agricultores interactúan con sus redes se alteran, pueden
ganar más experiencia e influencia, afectando así sus decisiones agrícolas a lo largo del
tiempo. Esto es consistente con la evidencia anterior de Ghana (Baffoe-Asare, Danquah y
Annor-Frempong 2013) y Tanzania (Namwata, Welamira y Mzirai 2010) que encontró que
los agricultores con más experiencia han mejorado sus habilidades y son capaces de tomar
decisiones críticas con respecto a la adopción.
Se procede a estimar el efecto heterogéneo y desagregado de las características del SCN
sobre la adopción, ya que el efecto reportado en la Tabla 6 es para el índice AIS
acumulativo. Esto nos permite determinar el nivel de influencia de cada uno de los actores
del sistema de innovación en la toma de decisiones. Los efectos heterogéneos de los actores
se presentan en la Tabla 6 (las columnas 1 y 2 presentan los coeficientes de adopción y los
efectos marginales, respectivamente, mientras que la columna 3 se refiere a la intensidad de
la adopción). Como se ha explicado anteriormente, los diferentes actores dentro del sistema
de innovación tienen un poder y una centralización diferentes, tal y como se expresa en las
medidas de las centralidades del SCN. Por lo tanto, cada uno de los actores identificados en
el AIS puede ejercer una influencia separada y diferente en la adopción de la tecnología
agrícola por parte del productor de plátanos. La Tabla 6 presenta estos efectos de los
actores individuales. Curiosamente, nuestros resultados muestran que los agricultores
focales tienen un efecto positivo significativo en la adopción de variedades mejoradas de
plátanos. Un aumento del 1% en la influencia de un actor en el sistema de innovaciones
aumenta la probabilidad de influir en la adopción de la FHIA-21 mejorada en un 6%. Se
trata de estudios previos consistentes (por ejemplo, Chau y Xu 2005) que encontraron que
los actores más centrales en las redes sociales juegan un papel significativo en el
intercambio de información y en la influencia sobre otros. Nuestros resultados están en
línea con los de otros países en desarrollo que documentan la importancia de la extensión
de agricultor a agricultor y el papel de los agricultores focales en la innovación de la
tecnología agrícola (Suchradipta y Raj 2015; Tendler 1997; Wuepper, Sauer y Kleeman
2014).

De manera similar, para los agricultores focales, los agentes de extensión en la red social
tienen un efecto significativo en la adopción de variedades mejoradas de plátanos; sin
embargo, los efectos marginales son mayores en comparación con los observados para los
agricultores focales. Un aumento del 1% en la influencia de los agentes de extensión en la
red social (definida como el grado de conexión en el AIS) del sistema de innovación
aumenta la probabilidad de adopción de variedades mejoradas de plátanos en un 16%. Esto
pone de relieve la importancia de que los agentes externos aporten nueva información y
probablemente también material de siembra a las comunidades de agricultores. En cuanto al
efecto de la investigación sobre la adopción y la intensidad de la adopción, existe un efecto
positivo significativo de la IRC sobre la adopción (2%). Dos razones importantes pueden
ser responsables de este efecto: El CRI puede influir en las percepciones de los productores
de plátanos sobre las nuevas variedades a través de la retroalimentación que recibe de los
agricultores sobre las nuevas tecnologías que liberan. El CRI también desempeña un papel
principal en términos de difusión de información y mantiene una estrecha relación con
otros programas financiados por donantes, lo que les permite interactuar constantemente
con los agricultores a nivel de aldea, aumentando su visibilidad y probabilidad de influir en
la decisión de adopción por parte de los agricultores.
6. Conclusiones e implicaciones políticas
El estudio tiene tres conclusiones importantes. En primer lugar, el estudio identificó a
actores como CRI, agentes de extensión, productores de plátanos, comerciantes de insumos,
ONGs y, hasta cierto punto, comercializadores y procesadores como actores importantes en
el sistema de innovación. En segundo lugar, encontramos que la interacción entre todos
estos actores es crucial para un proceso de innovación sostenible; sin embargo, las
interacciones y los vínculos entre estos actores no son fuertes debido a la asimetría de la
comunicación. En la mayoría de los casos, el flujo de información no se invirtió entre la
mayoría de los actores.
Los resultados indican una fuerte relación entre los agricultores y sus pares que comparten
experiencias sobre nuevas innovaciones, mientras que el eslabón más débil fue entre los
investigadores y los procesadores. En tercer lugar, encontramos que el capital de las redes
sociales juega un papel crítico en la mejora de la adopción de la tecnología agrícola
mejorada, particularmente en el establecimiento de asimetrías de información, vínculos más
estrechos entre los agricultores, los institutos de investigación y los agentes de extensión de
las redes sociales, que aumentan el acceso a información adecuada y oportuna sobre la
rentabilidad de la nueva y mejorada tecnología.
El estudio tiene importantes implicaciones políticas. En primer lugar, es preciso prestar
atención a las relaciones y los vínculos débiles que se han determinado entre los agentes.
Las políticas públicas y la asociación entre el sector público y el privado deben trabajar
para fortalecer la interacción, involucrando a todos los actores del sector en el desarrollo de
una plataforma de sistemas de innovación para compartir tecnologías e información
relevante. Esto mejorará la mejora de la producción de plátanos, así como el
aprovechamiento de las experiencias no aprovechadas por los agricultores focales. En
segundo lugar, la importancia de los servicios de extensión en la difusión de las
innovaciones se mostró alta, y los resultados del impacto de los vínculos de los agricultores
con los agricultores en la red social sobre la adopción sugieren que los proveedores
formales de servicios de extensión deberían trabajar más estrechamente con los agricultores
focales identificables en las aldeas productoras de plátanos.
De esta manera, podrán llegar a más agricultores con nuevas tecnologías de una manera
rentable. Esto también puede acelerar la adopción de estas tecnologías. La mejora de la
interacción entre los agricultores y el servicio de extensión también permitirá mejorar la
capacidad de innovación individual de estos agricultores. Los agricultores también se
incorporarán más al proceso de innovación, convirtiéndose así en socios en el desarrollo de
la tecnología agrícola y no sólo en usuarios finales. La política debe orientarse a cómo
involucrar y aprovechar eficazmente la influencia del agricultor focal a nivel de la aldea.
Sin embargo, esto no debería ser un sustituto del papel de los agentes de extensión
formales, sino más bien un complemento de los papeles tradicionales que desempeñan los
agentes de extensión formales.
Por último, nuestros resultados indican que existe la oportunidad de mejorar el papel de las
redes sociales en el sistema de innovación que mejorará la difusión y adopción de la
tecnología agrícola mejorada. Esto aumentará la productividad de los pequeños
agricultores. A este respecto, la asociación entre los sectores público y privado y público
debería fortalecer la creación de capacidad de los agentes de investigación y extensión para
aumentar su interacción con los agricultores de manera descentralizada e inclusiva.
Además, los agricultores focales identificados deben recibir capacitación sobre
innovaciones modernas y recursos (por ejemplo, motocicletas, pulverizadores de mochila,
implementos, semillas, etc.) para que actúen como reservas de conocimientos garantizadas
para sus comunidades.
Notas
1. Net-Mapping es una herramienta social interactiva para el estudio de las interacciones
sociales de los actores de un mismo sector. El método consiste en el uso de un lápiz y papel
para trazar (mapeo) las relaciones entre individuos, grupos e instituciones con el fin de
obtener información sobre sus complejas e inherentes relaciones como unidad de trabajo.
Las flechas se utilizan para mostrar la dirección del flujo de información de un actor a otro
(Schiffer y Hauck 2010).
2. Una red egocéntrica se define como una red formada por actores focales (denominados
ego) y un conjunto de alteradores (actores con los que se conectan directamente) y los
teatros existentes entre ellos. Se toman muestras de focalizadores de una población mayor
(ver Freeman 1979 y Wasserman y Faust 1994 para una revisión detallada).
3. Los agricultores de enfoque son agricultores"conocedores" que son considerados como
líderes de opinión. Estos individuos son considerados ingeniosos en términos de
proporcionar soluciones a otros agricultores dentro de sus comunidades.
Agradecimientos
Los autores recibieron el generoso apoyo de Beloved Dzomeku de (CRI) en Kumasi para
el diseño e implementación de la recolección de datos.

Declaración de divulgación
Los autores no informaron ningún conflicto de intereses potencial.

Financiación
Este estudio fue realizado con el apoyo de GIZ (Deutsche Gesellschaft für Internationale
Zusammenarbeit) dentro de un proyecto sobre la intensificación de la producción de
plátano en América Central y África Occidental, coordinado por Bioversity
International[subvención número 3300GMF03025].

Notas sobre los colaboradores

Alirah Emmanuel Weyori es investigadora en el Instituto de Desarrollo y Economía
Agrícola de la Universidad Leibniz de Hannover en Alemania. Sus intereses de
investigación son el análisis de impacto y la adopción de tecnología con un enfoque en
temas de pobreza y ganadería. Es licenciado por la Universidad Kwame Nkrumah de
Ciencia y Tecnología de Kumasi, Ghana, y tiene un Master en Horticultura Internacional
por la Universidad Leibniz de Hannover, Alemania, donde está realizando su doctorado en
Economía del Desarrollo.
Mulubrhan Amare es un economista agrícola y de desarrollo con experiencia
internacional en evaluación de impacto, instituciones rurales y transformación agrícola,
pobreza y análisis de datos cuantitativos. Sus temas de investigación se han centrado en la
productividad de la tierra y el trabajo; los activos productivos y las trampas de la pobreza;
la producción agrícola y la investigación de la intensificación. Mulubrhan tiene un
doctorado en Economía Agrícola de la Universidad Leibniz de Hannover, Alemania.
Actualmente es investigador asociado del Instituto Internacional de Investigación sobre
Políticas Alimentarias (IFPRI) en Washington, Estados Unidos.
Hildegard Garming es investigadora principal en el Instituto de Economía Agrícola de
Thünen, donde su trabajo se centra en el análisis de los sistemas de producción hortícola y
la competitividad internacional, el análisis de políticas y la adopción de tecnología.
Anteriormente fue becaria de investigación en Bioversity International en América Central
y responsable de la evaluación de impacto, así como de los enfoques de cadena de valor y
acceso al mercado para los pequeños agricultores. Tiene un doctorado en Economía
Agrícola de la Universidad Leibniz de Hannover, Alemania.
Hermann Waibel es Profesor de Economía Agrícola y Director del Instituto de Desarrollo
y Economía Agrícola de la Facultad de Economía y Gestión de la Universidad Leibniz de
Hannover en Alemania. El profesor Waibel tiene unos 30 años de experiencia en
investigación y desarrollo en el sudeste asiático. Tiene un doctorado en Economía Agrícola
de la Universidad de Hohenheim, Alemania. Fue miembro de numerosos comités
nacionales e internacionales, incluyendo el Consejo Científico del Grupo Consultivo de
Investigación Agrícola Internacional (CGIAR). Ha publicado ampliamente sobre temas de
gestión de recursos naturales, biotecnología, agricultura y medio ambiente en países en
desarrollo. Su investigación actual se centra en el desarrollo rural en Asia, como
coordinador de un proyecto a largo plazo de la DFG (hasta 2024), el Panel Socioeconómico
de Tailandia Vietnam (TVSEP).