Ponencia presentada como parte de la Mesa 2 del tema Seguridad Alimentaria del XIV Seminario Permanente de Investigación Agraria (SEPIA). Piura, Perú. Agosto 2011
1. SEPIA XIV
Piura, del 23 al 26 de agosto 2011
Eje Temático II
Seguridad Alimentaria
Promoción de la piscicultura en territorio de comunidades
indígenas en el departamento de Amazonas: Evidencia
empírica sobre adopción de tecnología e indicadores de
seguridad alimentaria y conservación de bosques"
Wagner Guzmán, Gator Halpern, Nixon Nakagawa
Valverde, Moises Alban y Francisco Tupica
1
2. Título:
Promoción de la piscicultura en territorio de comunidades indígenas en el
Departamento de Amazonas: Evidencia empírica sobre adopción de tecnología e
indicadores de seguridad alimentaria y conservación de bosques.
1. Justificación y lugar de estudio
Luego del Acuerdo de Paz firmado por Perú y Ecuador en 1998, diversas acciones
se enfocaron en obtener recursos económicos con la finalidad de mejorar las
condiciones de vida de las poblaciones asentadas en las zonas objeto de
controversias limítrofes. Los proyectos de crianza de peces o piscicultura son los
que más han destacado.
Hoy en día, los problemas de las poblaciones
indígenas en esta zona vuelven a cobrar vigencia
debido a problemas socio-ambientales, se habla
cada vez más de inclusión y del impacto de
proyectos para solucionar los graves problemas
de pobreza. En este contexto, el impacto de la
piscicultura amerita ser conocido dado el éxito
que según evidencia empírica se traduce en su
amplia promoción y difusión.
En la zona de estudio (Gráfico N° 1) indicadores
muestran que los ingresos son uno de los más
bajos a nivel nacional (36 S//Mes).
Adicionalmente, el 49% de la población presenta
altos índices de desnutrición crónica como
Gráfico N° 1. Zona de estudio
consecuencia de la extrema pobreza la cual se
ha agudizado por la falta de alternativas alimenticias. La anemia afecta a 76,5% de
los niños debido al deficitario consumo de alimentos fuentes de hierro y por la
elevada prevalencia de enteroparasitismo (95%) reportado en un estudio realizado
en escolares Awajún (Ibáñez et alt. 2004). El déficit de pescado en el
departamento es de 1,220 toneladas anuales y posee los menores índices de
2
3. consumo per-cápita de pescado en la Amazonía peruana (9 kg/persona/año) si lo
comparamos con el promedio de consumo en selva baja que es de 24
kg/persona/año, lo cual se recrudece debido a la presencia del Pongo de
Manseriche, que hace las veces de barrera natural para el paso de las especies
migratorias y a la pesca indiscriminada utilizando sustancias tóxicas (barbasco).
La necesidad de solucionar los graves problemas de pobreza en comunidades
indígenas es una prioridad y es la piscicultura, una de las alternativas que incide
en la mejora de la nutrición mejorando la seguridad alimentaria y rescatando las
potencialidades ambientales, sociales y culturales. Complementariamente y tal
como menciona en Barrantes e Iguíñiz en CIES (2004) y recalcado en CIES
(2008), este tema de investigación forma parte de la agenda pendiente en el tema
de Medio Ambiente y Recursos Naturales.
2. Marco teórico y conceptual
3.1 Promoción de Tecnología. Es sinónimo de transferencia de una tecnología
nueva en el transcurso del tiempo (Thirtle y Ruttan, en CIMMYT, 1993). La
transferencia de una tecnología es un proceso que puede ser analizado en
diferentes etapas (Gráfico N° 2). Dichas etapas incluye la determinación del índice
de aceptabilidad (Ia) y estudio de aceptación como estudios previos al estudio de
adopción. Posteriormente se pueden aplicar otras herramientas tales como la
evaluación por productores (EPP) y estudios de impacto.
El Ia se utiliza cuando los productores tienen la primera oportunidad de
implementar una tecnología después de haberla conocido (Hildebrand y Poey,
1985). El Ia se calcula con los productores atendidos directamente en el proceso
de transferencia es decir, los productores que han sido expuestos directamente a
las nuevas tecnologías, por medio de días de campo, parcelas demostrativas,
giras de intercambio, etc.
El índice de aceptabilidad se expresa en una fórmula que incluye:
1. La proporción de productores que están utilizando la tecnología, después de
haberla conocido.
2. La proporción del área en sus fincas en la que está aplicando la tecnología.
3
4. Gráfico N° 2. Relación del estudio de adopción con otras herramientas de
seguimiento a la transferencia de tecnologías.
Ia = [% de productores que aplican la tecnología] * [% del área en la cual aplican la
tecnología] / 100
El estudio de aceptación sirve para conocer cuantos de los productores atendidos
por un programa o entidad, establecen, mantienen o abandonaron las tecnologías,
realiza porque:
• Permite identificar las tecnologías más aceptadas para los beneficiarios.
• Determina las razones o causas que afectan la aceptación de las tecnologías.
• Determina la cantidad de beneficiarios que aceptan las tecnologías.
Los estudios de adopción se basan en encuestas estructuradas cuya muestra,
sobre la base de la experiencia, se encuentra en un rango de 20%-30% del total
de beneficiarios. Los datos obtenidos permiten luego de su sistematización, en
diseñar modelos econométricos para determinar el grado de causalidad entre las
variables definidas como relevantes durante el proceso de transferencia
(PASOLAC, 2006).
Los estudios de impacto recogen información de indicadores relevantes de la
tecnología transferida siendo los estudios adopción una sólida base para su
cuantificación.
Trabajos de investigación para conocer la adopción de actividades productivas en
mayor número han estado dirigidos a la tecnología en la producción de café
4
5. (Otero, 2004; Tudela 2007), los cuales, como en la mayoría de los casos, utilizan
modelos econométricos tipo probit. Estos son modelos denominados modelos de
elección discreta y se utilizan para explicar el comportamiento de una variable
dependiente dicótoma y se caracteriza por utilizar una Función de Distribución
Acumulada (FDA) normal. En la literatura existen dos enfoques para la
interpretación estructural de los modelos de elección discreta. El primero hace
referencia a la modelización de una variable latente a través de una función índice,
que trata de modelizar una variable inobservable o latente. El segundo de los
enfoques permite interpretar los modelos de elección discreta bajo la teoría de la
utilidad aleatoria, de tal manera que la alternativa seleccionada en cada caso será
aquella que maximice la utilidad esperada. Bajo el primero de los enfoques se trata
de modelizar una variable índice, inobservable o latente no limitada en su rango de
variación, Ii* (Gujarati, 1997). Cuando la variable latente supera un determinado
nivel, la variable discreta toma el valor 1, y si no lo supera toma el valor 0. La
variable latente depende de un conjunto de variables explicativas y puede ser
expresado como:
Ii*= Xi β + αi…………….. (1)
Donde Xi β recibe el nombre de función índice y el supuesto de distribución αi
como FDA normal caracteriza a modelos probit. Dadas las alternativas que se dan
en la realidad permiten expresar el modelo dicotómico como:
1 Si Ii* > 0 Cuando Xi β + αi > 0
Yi =
0 Si Ii* < 0 Cuando Xi β + αi < 0
De esta manera el modelo probabilístico se representa de la siguiente manera:
Pi = Pr Ob (Yi = 1) = Pr Ob (Ii* > 0)= Pr Ob (Xi β + αi > 0) = F (Xi β)………. (2)
Con el modelo así definido, la variable endógena del modelo dicotómico
representa la probabilidad de ocurrencia del fenómeno analizado, siendo la
probabilidad de que ocurra la opción 1 más elevada cuando mayor sea el valor de
Ii*.
5
6. 3.2 Promoción de la Piscicultura en Condorcanqui.
El Instituto de Investigaciones de la Amazonía Peruana, IIAP, inicia la promoción
de esta alternativa el segundo semestre del año 2003 teniendo como objetivo
general contribuir a mejorar la seguridad alimentaria de las familias awajun y
Wampis mediante la crianza y aprovechamiento de peces amazónicos de las
especies gamitana, paco y boquichico.
Metodología de trabajo
Las labores de transferencia están centradas en:
-Trabajo de fortalecimiento de capacidades. Lo cual incluye: Selección y
capacitación a promotores piscícolas, talleres teórico-prácticos y apoyo técnico a
proyectos similares locales. La enseñanza gira en torno a preparación de
estanques, reproducción inducida (selección de reproductores, inducción
hormonal, desove, hidratación de huevos, incubación, observación de desarrollo
embrionario y estado larval), elaboración de alimento, construcción, rehabilitación
y manejo de estanques.
Fotografía 1: Labores de fortalecimiento de capacidades
--Producción de post larvas y alevinos. Labor que se realiza sobre la base de
técnicas de inducción a reproductores en centros del IIAP o de las comunidades
indígenas los cuales son luego entregados u ofrecidos bajo diferentes
modalidades a los beneficiarios (entrega gratuita, venta que es la mayoría o el
canje por insumos o alimentos para los reproductores)
-Acciones de repoblamiento en cuerpos de agua. El repoblamiento se refiere a
introducir especies nativas en cuerpos de agua (“cochas”) en donde especies de
peces originarias dejaron de existir o disminuyó su población.
6
7. -Acciones de investigación y apoyo técnico a institutos tecnológicos. A través de
convenios con instituciones educativas se fortalecen capacidades y se genera
investigación junto a futuros técnicos y beneficiarios.
-Monitoreo y evaluación. Labor participativa donde los promotores juegan un rol
importante como nexo para apoyar, enseñar y generar información con los
beneficiarios.
Resultados
Por reproducción inducida de gamitana, paco y boquichico se obtuvo 162,449
alevinos ofertados según como se muestra en la Tabla N° 1.
Tabla N° 1. Cantidad de alevinos por sectores
Sector N° Beneficiarios N° Alevinos
Alto Río Nieva 79 58,750
Sector Río Cenepa 102 49,950
Sector Río Santiago 105 53,749
TOTAL 286 162,449
Para efectos de obtener cifras de costos y beneficios de la actividad piscícola
sobre la base de información estadística del proyecto, se ha elaborado la Tabla N°
2 la cual presenta información de una muestra de beneficiarios de diversas
comunidades para una campaña. En dicho cuadro se muestra las cantidades
consumidas como vendidas en una cosecha. Hay que considerar que al año son
dos campañas pues los peces a los 5 meses ya tienen el tamaño promedio ideal
que equivale aproximadamente a 350 grs. Al dividir la cantidad total consumida
(2824 Kg.) entre la cantidad total de beneficiarios (121) se obtiene un cantidad
promedio de consumo por beneficiario igual a 23 Kg. Si tomamos en cuenta que
según las encuestas realizadas y el censo del 2007 la cantidad promedio de
miembros por familia es de 6 individuos hogar se obtiene 3.8
Kg/individuo/Campaña que al año sería aprox. 8 kg/Individuo, adicional a lo que se
consume (Según línea base del 2004 la cantidad era de 9 Kg/Individuo/Año).
7
8. Tabla N° 2. Información muestra de consumo y venta por beneficiario/Campaña
Com uni dad N° Beneficiarios Vendido (Kg.) Consumido (Kg. ) Cosechado (Kg.) Prom/Benefic. (Kg.)
Puerto Galilea 15 698 459 1157 77.13
Is la Grande 13 287 324 611 47
S ant a Rosa 11 665 290 955 86.82
S hiringa 10 79 137 216 21.6
B elén 5 92 155 247 49.4
V illa Gonzalo 15 461 438 899 59.93
Democracia 7 63 1 04 167 23.86
S an Rafael 20 1117 454 1571 78.55
Y utupis 25 734 463 1197 47.88
Total 121 4196 2824 7020 58.01
Costos y beneficios aproximados en actividad piscícola
Los costos de la actividad piscícola son muy relativos debido a que dependen de
varios factores. Por ejemplo, pueden ser físicos pues depende de su ubicación,
por ello podría resultar muy fácil o complicado. Igualmente pueden existir razones
sociales-culturales como por ejemplo el empleo de la “minga” o trabajo comunitario
lo cual abarataría su costo. Para fines de aproximación los costos de una poza de
tipo presa de 1000 m2 pueden ser tal como se muestra en la Tabla N°3.
Tabla N° 3. Costos aproximados en la construcción y producción de una poza
Actividad Costo promedio
Construcción de estanque 1,500
Limpieza 750
Tubos (2) 300
Codo (1) 60
Millar de alevinos 160
Transporte 80
Mano de obra y alimento 800
Total 3,650
Considerando que el precio de venta de las especies objeto de producción es de
12 S//Kg. y que técnicamente se coloca un pez/ m2 el cual se cosecha los 5
meses a un peso de 350 grs.; se obtiene 350 Kg/poza/campaña. Esto quiere decir
que el valor bruto de la producción equivale a 4200 S/./Campaña/Beneficiario ó
8
9. 8400 S/./Beneficiario/Año. Esto implica que el primer año los ingresos netos
superan los 4,000 S/. valor que se incrementa al segundo año ya que no se
efectúan inversiones por construcción.
3. Objetivos e hipótesis
¿Qué indicadores permiten afirmar que la propuesta de la piscicultura desarrollada
por el IIAP se ha adoptado realmente?. Diversos indicadores desde el punto de
vista productivo (hectáreas de espejo de
agua, toneladas de pescado producidas),
social (cantidad de beneficiarios,
participación o asistencia), de seguridad
alimentaria (cantidad adicional de consumo
per-cápita y de proteínas consumidas, etc.),
ambiental (rol de la piscicultura en la
Fotografía N° 2: Familia beneficiaria
conservación del bosque) es posible
obtener. En esta vía, el estudio plantea como hipótesis la posibilidad de determinar
variables relevantes y su correlación dentro de las diversas etapas de
transferencia de tecnología de la piscicultura (aceptabilidad, aceptación, adopción
e impacto) además de cuantificar indicadores sociales relevantes (seguridad
alimentaria), ambientales (hectáreas de bosque evitadas de deforestar) y
económicos (ingresos económicos adicionales). Consecuentemente, los siguientes
son los objetivos generales y específicos.
Objetivo General:
Caracterizar, identificar y cuantificar, variables e indicadores de adopción e
impacto de la actividad piscícola en la Provincia de Condorcanqui como parte del
proceso de transferencia afín de ampliar el conocimiento del rol de esta alternativa
productiva en la seguridad alimentaria de pueblos indígenas y su incidencia como
parte de lineamientos de políticas públicas.
9
10. Objetivos Específicos:
• Caracterizar a través de diversos índices e indicadores el proceso de
transferencia de la actividad piscícola en sus diferentes etapas: aceptación,
adopción e impacto en la cuenca del río Santiago, Provincia de
Condorcanqui.
• Diseñar modelos econométricos que permitan identificar variables e
indicadores y su grado de correlación en la adopción e impacto en
comunidades indígenas beneficiarias donde se desarrollan proyectos de
piscicultura.
• Realizar un análisis de las lecciones aprendidas del desarrollo de la
piscicultura y su incidencia social, económica y ambiental en las
comunidades indígenas de la Provincia de Condorcanqui.
• Proponer medidas de políticas públicas que contribuyan a capitalizar la
experiencia de la piscicultura como alternativa a los graves problemas
sociales económicos y ambientales en comunidades indígenas.
4. Metodología
Los pasos metodológicos fueron los siguientes:
4.1 Diseño de modelos econométricos
Considerando que la base fundamental para determinar qué datos se deben
obtener a través de las encuestas a beneficiarios, es determinar primeramente que
variables ameritan conocerse, se definieron 2 modelos econométricos enfocados a
conocer si se ha adoptado la actividad piscícola y por otro lado la cantidad de
hectáreas que se evitan deforestar.
Modelo 1:
Para el caso del modelo tendiente a conocer y caracterizar el estado de adopción
se diseño de la siguiente manera considerando la ecuación (2):
10
11. Pr Ob (Yi = 1) = Pr Ob (Ii* > 0)= Pr Ob (Xi β + αi > 0)
Pi = ……… (3)
Pr Ob (Yi = 0) = Pr Ob (Ii* < 0)= Pr Ob (Xi β + αi < 0)
Donde:
Yi= Variable dependiente denominada adopción. Esta variable es el resultado de
las respuestas a 2 preguntas: Si se ha enseñado la tecnología de la piscicultura (1)
o no (0) y si desea instalar más pozas (1) o no (0). El resultado conjunto se
estableció como 1 si ambas respuestas son positivas y 0 si las respuestas son
diferentes (0 y 1 ó 1 y 0).
Xi= Es un set de variables cualitativas y cuantitativas conformado por: miembros
de la familia, años dedicados a la actividad, cantidad de pozas, dimensiones de las
pozas, producción, número de cosechas anuales, cantidades vendidas, cantidades
para autoconsumo, días dedicados a la actividad, importancia de la piscicultura
Modelo 2:
Se diseñó de la misma manera que el modelo anterior estableciéndose la siguiente
estructura:
Yi= Variable dependiente dicótoma la cual tiene el valor según manifiesta si debido
al desarrollo de la piscicultura si evita deforestar (1) o no evita (0).
Xi= Es un set de variables cualitativas y cuantitativas conformado por: miembros
de la familia, años dedicados a la actividad, cantidad de pozas, dimensiones de las
pozas, producción, número de cosechas anuales, cantidades vendidas, cantidades
para autoconsumo, días dedicados a la actividad, importancia de la piscicultura. Es
importante mencionar que dadas las relaciones entre las variables independientes
en el set Xi se evitó incluir o se excluyeron algunas de ellas para evitar problemas
de multicolinealidad.
4.2 Encuestas, tamaño de muestra y comunidades indígenas encuestadas
11
12. Considerando que la literatura indica que un porcentaje entre 20% y 30% conlleva
a una cantidad representativa de la población beneficiaria para el caso de estudios
de adopción, el presente trabajo consideró un porcentaje de 24% (120) de la
cantidad total beneficiarios identificados la cual es de 500 familias indígenas.
Mapa N° 1. Comunidades Nativas Objeto de Encuestas
Las encuestas se realizaron en un total de 17 comunidades indígenas como se
indica en el mapa adjunto, las cuales fueron elegidas al azar al igual que a los
entrevistados establecidos en ellas. Para fines de un mejor entendimiento de las
preguntas cuando el caso requirió, se contó con técnicos indígenas quienes
apoyaron con el idioma awajun. La encuesta se estructuró considerando preguntas
personales, relacionadas a la actividad piscícola y las relacionadas con la
conservación de los bosques (Ver Anexo 1).
4.3 Obtención y sistematización de información
12
13. Considerando que el software utilizado fue el Stata V. 8.2, las variables fueron
codificadas y sistematizadas en hojas Excel para luego ser adecuadas por Stata
Transfer el cual es el software previo que viabiliza su uso en Stata V. 8.2.
4.4 Determinación y cuantificación de indicadores para la adopción e impacto
de la piscicultura.
Identificados los mejores modelos econométricos considerando las variables que
mejor comportamiento presentaban en cada uno de ellos, se procedió a
determinar y cuantificar los indicadores de adopción e impacto de la piscicultura.
4.5 Análisis y evaluación de resultados
Los resultados del paso previo permitieron analizar y evaluar cuales son las
diferentes características de la adopción y cuál ha sido la contribución del impacto
de la piscicultura en la seguridad alimentaria, en la conservación y bienestar del
poblador indígena que desarrolla la actividad piscícola.
Paralelamente se realizaron los análisis de sondeos de índice de aceptabilidad y
de aceptación que permitieron complementar los resultados obtenidos de los
modelos econométricos.
4.6 Lecciones aprendidas y propuestas de políticas públicas
Con el propósito de conocer las virtudes y las limitantes que existieron junto con
los retos a los cuales hay aun que enfrentarse, se proponen diversos lineamientos
de políticas públicas que permitan o contribuyan a mejorar el impacto de la
piscicultura en el bienestar de la población indígena junto a la conservación de los
bosques y su biodiversidad.
13
14. 5. Resultados
5.1 De estadística descriptiva básica
Los siguientes gráficos muestran algunas características básicas de los
entrevistados elegidos al azar en el proceso de toma de datos. Se puede apreciar
que la mayoría están en el grupo que desarrolla la piscicultura más de dos años y
menos de 4 y que la mayoría dispone de una sola poza.
Gráfico N° 3. Tiempo dedicado a la piscicultura de los entrevistados
Tiempo dedicado a la piscicultura de
entrevistados
50
44
45
s 38
o 40
d
a
t 35
s
i
v
e 30
r
t 25
n 25
e
e
d 20
o
r
e 15 13
m
ú 10
N
5
0
Hasta 2 Entre 3 y 4 Entre 5 y 6 Más de 6
Años
Gráfico N° 4. Número de pozas por familia
Número pozas por familia
85
90
80
70
60
s
o
i
r50
a
i
c
i
f
e
n 40
e 29
B
30
20
10 4 2
0
1 2 3 4
Número de pozas
14
15. En los dos gráficos siguientes se aprecia en primer lugar cierta tendencia en
disminución del tiempo en la actividad piscícola lo cual se deba a razones de
especialización o mayor conocimiento y desempeño en el tiempo de la misma.
Gráfico N° 5. Años dedicados a la piscicultura versus tiempo dedicado a la
actividad.
Años dedicados a la piscicultura versus tiempo dedicado a esta activida (Dia/Mes)
4.5
) 4
s
e
M
/
s 3.5
a
i
D
(
a
r 3
u
t
l
u
c
i 2.5
c
s
i
p
a
l
a 2
o
d
a
c 1.5
i
d
e
d
o 1
p
m
e
i
T 0.5
0
1 2 3 4
Años dedicados a la piscicultura
Años en la piscicultura Tiempo dedicado (Dias/mes) Lineal (Tiempo dedicado (Dias/mes))
En el gráfico N° 6 se puede apreciar en cuanto a la superficie manifiesta de ser
evitada por parte de los beneficiarios, que esta tienda a aumentar en la medida
que se incrementan los años dedicados a la actividad piscícola.
Se puede entender que en la medida que aumenta el conocimiento de la técnica y
dadas las buenas perspectivas de la misma, los beneficiarios tienden a realizar
más pozas o incrementar su número de estanques, lo cual conlleva a más
dedicación en la actividad y por ende evitar deforestar mayor cantidad de bosque
en el tiempo.
Los resultados indican que la actividad alternativa a la piscicultura son las
acciones en la chacra las cuales se centran en el desarrollo de cultivos básicos de
subsistencia como plátano, yuca y maíz principalmente. La tala de árboles se
realizaba en un 30% por parte de los beneficiarios antes de tener piscigranjas.
15
16. Gráfico N° 6. Años dedicados a la piscicultura versus superficie evitada de
deforestar.
Años dedicados a la piscicultura versus superficie evitada de
deforestar
4.5
) 4
o
ñ
A
/
. 3.5
a
H
(
r
a 3
t
s
e
r
o
f 2.5
e
d
e
d
2
a
d
a
t
i
v 1.5
e
e
i
c
i 1
f
r
e
p
u 0.5
S
0
1 2 3 4
Años dedicados a la piscicultura
Años en la piscicultura
Superficie evitada de deforestar
Lineal (Superficie evitada de deforestar)
Gráfico N° 7. Cantidad adicional de pozas versus superficie evitada de deforestar
Cantidad adicional promedio de pozas versus superficie evitada de
deforestar (Ha.)
4.5
s 4
a
z
o
p
3.5
e
d
o 3
i
d
e
m
o 2.5
r 2.3
p
l
a 2 1.9
n
o
i 1.6
c
i
d 1.5
a
d
a 1
d 1
i
t
n
a
C 0.5
0
1 2 3 4
Superficie evitada de deforestar (Ha.)
Superficie evitada Cantidad adicional promediode pozas Lineal (Superficie evitada)
Del Gráfico N° 7 se infiere que aquellos beneficiarios que desean instalar más
pozas o estanques son aquellos que más dedicados a la piscicultura o quizás los
que más han adoptado la tecnología lo cual conlleva a que sean estos
16
17. beneficiarios los que más evitan deforestar dado el gran impacto de esta actividad
en sus economías.
Del Gráfico N° 8 se puede apreciar que una cantidad péquela de los beneficiarios
manifiesta aprovechar la producción o cosecha de la piscicultura sólo para
autoconsumo (13%), mientras que el resto (87%) indica que lo comercializa o
vende parte de la misma. Las cantidades que se ofrecen se encuentran en su
mayor parte entre el rango mayor a 50 kg y menor de 100Kg por cosecha.
Gráfico N° 8. Autoconsumo y venta de pescado por familia
Autoconsumo y venta de pescado por familia (Kg. /Campaña)
3% 2%
8% 13%
35%
38%
Autoconsumo Hasta 50 Kg. Entre 50 Kg. y 100 Kg.
Entre 100 Kg. y 150 Kg. Emtre 150 Kg. y 200 Kg. Más de 200 Kg.
Aun cuando es menor el porcentaje de las otras cantidades que se comercializan
es importante mencionar que son significativas si consideramos que el precio de
venta mínimo es de 11 soles el kilogramo.
5.2 De índice de aceptabilidad y estudios de aceptación
6.2.1. Índice de aceptabilidad
17
18. Considerando la fórmula antes mencionada:
Ia = [% de productores que aplican la tecnología] * [% del área en la cual aplican la
tecnología] / 100
Se obtuvieron los valores mostrados en la Tabla N°4 abajo indicada. Las
consideraciones que ameritan mencionarse para conocer como se adecuaron para
obtener este índice son:
- Promedio de tamaño de chacra el valor de 2 Ha. dada la experiencia y
conocimiento de las realidades de las comunidades objeto de entrevistas.
- Dadas las características fisiográficas promedio se consideró que la tercera
parte de la chacra es apta para el desarrollo de la piscicultura.
- Se encontró más adecuado tomar como porcentaje de los productores que
aplican la tecnología aquellos que desarrollan la actividad como mínimo 4 años
dados los resultados posteriores de los modelos de adopción.
- Se consideraron 3 escenarios: El primero (escenario actual), se realizó sobre la
base del promedio de dimensiones y número de de pozas que los
entrevistados manifestaron tener. El segundo escenario (escenario deseado),
se realizó considerando únicamente la cantidad de pozas adicionales que
desean los beneficiarios. El tercer escenario denominado escenario futuro, es
el acumulado o la suma de los escenarios anteriores. Dado que los escenarios
deseado y futuro, los beneficiarios utilizarían toda su área disponible para
pozas (tercera parte de su chacra) para llevar a cabo la piscicultura, se
consideró 100% como el porcentaje de aplicación.
Tabla N° 4. Cálculo de índice de aceptabilidad
6Escenario N° Pozas Dimensiones (Ha.) Total(Ha.) Productores Aplican (%) Area para pozas (Ha.) Area con pozas(% ) Indice de aceptabilidad
.Actual 1.36 0.1 0.136 68 0.33 41 28
Deseado 1.82 0.1 0.182 100 0.33 55 55
2
Futuro 3.18 0.1 0.318 100 0.33 96 96
6
6.2.2 Sondeo de aceptación
18
19. Considerando lo manifestado en PASOLAC (1999). El sondeo de aceptación se
basa en preguntas claves que dependen de la actividad pero que orienten si
realmente la tecnología que se promueve está siendo aceptada por los
beneficiarios. Para nuestro ejercicio se hicieron preguntas que de manera directa o
indirecta permitieron conocer como se encontraba el estado de aceptación (Ver
base de datos en Anexo). Por ejemplo:
• El 83% de los beneficiarios manifestó haber enseñado la técnica a alguna
persona.
• El 100% cree que la piscicultura es una actividad muy importante.
• El 87% vende parte de su cosecha (la mayoría entre 50 y 100 kg. de
pescado).
• El 100% desea más pozas (2 pozas más en promedio).
• En promedio se cosecha más de una vez por año.
5.3 De modelos econométricos
Modelo para identificación de variables de adopción de la piscicultura
Para fines de seleccionar el modelo más adecuado se consideró en primer lugar si
los signos de los coeficientes respondían al efecto de las variables independientes
sobre la variable dependiente denominada adop (Mayor probabilidad que si (ó no)
se adopte la tecnología de la piscicultura). En segundo lugar y sobre la base de las
pruebas de inferencia estadística se eligieron las variables que presentaban mejor
performance. Aun nivel de confiabilidad de 95% las variables denominadas estanq
y veces fueron las que por pruebas de inferencia estadística mejor
comportamiento presentaban. La primera indica el número de estanques que
presenta el beneficiario y la segunda es también una variable cuantitativa que
indica la cantidad de cosechas que el beneficiario realiza por año.
La interpretación del modelo abajo mostrado indica que existe una mayor
probabilidad que se adopte la práctica de la piscicultura en la medida que los
beneficiarios dispongan de mayor cantidad de estanques, igualmente, cuanto más
veces se produzca o se coseche mayor incidencia habrá en adoptar la tecnología
19
20. de la piscicultura. Las otras variables, años y familia también presentan signos
adecuados e indican que mayor cantidad de años y de miembros de familia
permiten establecer que es posible exista una mayor probabilidad de adopción. La
variable otroact indica que la realización de otras actividades diferentes a la
piscicultura no impiden la adopción y por otro lado, la variable evita muestra que
evitar la deforestación por desarrollar la piscicultura incrementa la probabilidad de
adopción de esta tecnología.
Tabla N° 5. Modelo probit ordenado para identificación de variables para la
adopción
oprobit adop estanq veces anos familia otroact evita
Ordered probit estimates Number of obs = 120
LR chi2 (6) = 21.98
Prob > chi2 = 0.0012
Log likelihood = -43.076987 Pseudo R2 = 0.2033
adop Coef. Std. Err. z P>z [95% Conf. Interval]
estanq .9517873 .4950126 1.92 0.055** -.0184195 1.921994
veces .7608438 .4073547 1.87 0.062** -.0375567 1.559244
anos .1409205 .1424974 0.99 0.323 * -.1383692 .4202102
familia .1063385 .265269 0.40 0.689 * -.4135792 .6262562
otroact .5857573 .241584 2.42 0.015 * .1122613 1.059253
evita .2664258 .8710232 0.31 0.760 * -1.440748 1.9736
** Con nivel de significancia = 5% ………*Con nivel de significancia < 5%
A nivel del análisis de bondad de ajuste de modelo se puede apreciar que el
cociente de verosimilitud o pseudo R2, responde a valor aceptable considerando la
prueba Chi 2 con 6 grados de libertas además de estar establecido que para este
tipo de estudios el valor debe ubicarse entre 0.2 y 0.4.
El resultado del desarrollo del modelo incluyendo todas las variables
independientes se puede apreciar en el Anexo N° 3.
20
21. Modelo para identificación de variables e indicadores de impacto
De manera similar que en el modelo anterior, se obtuvieron modelos considerando
todas las variables independientes que tendrían efectos en la variable evita la cual
es la probabilidad de un si (1) o no (o) de que el beneficiario responde
afirmativamente o negativamente ante la pregunta si evita o no deforestar el
bosque debido a la implementación de la piscicultura en su chacra.
Como se puede apreciar en los resultados abajo mostrados, las variables
independientes que mejor comportamiento tuvieron fueron veces, años y
diasmes los cuales se refieren a la cantidad de cosechas al año, la cantidad de
años dedicados a la piscicultura y los días al mes que se dedican a dicha
actividad. Aun cuando todos ellos tienen una significancia menor al 5% los signos
que poseen sus coeficientes son los adecuados en la medida que cuanto mayor
sean sus valores, mayor es la probabilidad que los beneficiarios respondan que si
evitan deforestar por desarrollo de la piscicultura.
Tabla N° 6. Modelo probit ordenado para identificación de variable e indicadores
de impacto.
. oprobit evita veces anos diasmes
Ordered probit estimates Number of obs = 120
LR chi2(3) = 3.26
Prob > chi2 = 0.3537
Log likelihood = -19.156232 Pseudo R2 = 0.0783
evita Coef. Std. Err. z P>z [95% Conf. Interval]
veces .1962473 .4394631 0.45 0.655 -.6650846 1.057579
anos .0682245 .1894376 0.36 0.719 -.3030664 .4395153
diasmes .5084966 .3339902 1.52 0.128 -.1461121 1.163105
La bondad de ajuste del modelo aun cuando es baja analizando su pseudo R2,
dadas las pocas variables independientes, su valor es el adecuado dada su
estructura.
21
22. 6. Conclusiones
• El índice de aceptabilidad adaptado en esta investigación para la piscicultura e
igual a 28 permite determinar que la práctica está siendo empoderada por los
beneficiarios aprovechando las pequeñas áreas con aptitud para esta actividad.
• La adopción de la piscicultura en comunidades indígenas en Condorcanqui está
caracterizada por una serie de variables donde destacan la cantidad de
estanques que poseen los beneficiarios y las cantidades de cosechas que
realizan traducidas en mayor producción de pescado.
• Considerando la cantidad promedio de miembros por familia (6) y las
cantidades producidas promedio anual (75 Kg.), se determina que los miembros
de las familias beneficiarias consumen 12.5 kg/persona/año lo cual significa
más del 100% respecto a la situación sin proyecto el cual equivalía a 9
Kg/persona/año (IIAP, 2004).
• Considerando que el contenido de proteína en peso de gamitana (principal pez
promovido) equivale a 25% (Gutiérrez et al, 2009) se concluye que 4.4 kg de
proteína al año es la cantidad total consumida por los beneficiarios anualmente
siendo el 50% (2.2 kg) la cantidad adicional debido al desarrollo de la
piscicultura como aporte en la mejora de la seguridad alimentaria.
• Considerando que el 83% de los beneficiarios manifestó haber enseñado la
técnica a otra persona, que el 87% de los beneficiarios vende parte de su
cosecha (la mayoría entre 50 y 100 kg. de pescado) y que el 100% desea más
pozas (2 pozas más en promedio) es posible afirmar que a través diferentes
procesos la práctica de la piscicultura se ha consolidado y por tanto genera
grandes expectativas para las poblaciones de las comunidades indígenas.
• Es posible que el 13% de beneficiarios que no venden su producción, implicaría
que la piscicultura estaría siendo una actividad netamente para fines sociales y
quizás sería aceptada pero no adoptada totalmente.
• La cantidad de hectáreas promedio evitadas de deforestar por parte de cada
familia beneficiaria asciende a 2.5 Ha/Año lo cual equivale a un total anual de
1,250 Ha considerando el total de familias beneficiarias (500 familias). Lo antes
mencionada permite mencionar que en los últimos 5 años la promoción y
22
23. desarrollo de la piscicultura ha conllevado a evitar deforestar más de 5,000 Ha.
de bosque.
• Las acciones productivas que aprovechan las potencialidades biofísicas,
culturales y humanas para enfrentar un problema en particular como en el caso
objeto de estudio (pobreza) pueden tener múltiples efectos cuando hay una
visión de largo, uno de estos es la conservación de los bosques acción no
prevista al inicio de esta iniciativa.
7. Recomendaciones y lecciones aprendidas
• Obtención de información de monitoreo individualizado o por beneficiario sobre
actividades relacionadas o complementarias ayudaría a tener un mejor análisis
del costo de oportunidad de la actividad piscícola redundando en un estudio
más amplio de sus beneficios.
• Dada la evidencia y su contribución en la mejora de la seguridad alimentaria en
comunidades indígenas, la piscicultura es una opción concordante con las
potencialidades biofísicas y socio culturales en Amazonia Peruana que debe
impulsarse como estrategia en propuestas de políticas públicas para mitigar
problemas de pobreza como parte de programas sociales.
• La alianza entre Gobiernos Regionales y Locales junto a instituciones de
investigación que promuevan acciones sostenibles es vital para la promoción de
la piscicultura en Amazonia a través del trabajo participativo con comunidades
indígenas.
• La posibilidad de analizar en campo las hectáreas evitadas de deforestar o el
monitoreo de la deforestación evitada por efectos de la piscicultura permitiría
contrastar el presente estudio basado en entrevistas y ser por tanto de corte
transversal.
• Incidencia de aspectos culturales dentro del desempeño de la piscicultura
deben ser analizados con mayor profundidad para lograr estudio más integral.
23
24. 8. Bibliografía
1. CIES, 2004. La investigación económica y social en el Perú. Balance 1999-
2003 y prioridades para el futuro.
2. -------, 2008. La investigación Económica y Social en el Perú, 2004-2007.
Balance y prioridades para el futuro.
3. CIMMYT, 1993. La adopción de tecnologías agrícolas: Guía para el diseño
de encuestas. México, D.F., 88 p.
4. Gujarati, D. 1997. Econometría Básica. Tercera Edición. Edit. McGrawHill.
5. Gutiérrez F., Zaldívar, J., Contreras, G. Efecto de varios niveles de energía
digestible y proteína en la dieta sobre crecimiento de gamitana (Colossoma
macropomum) CUVIER 1818. Rev. Inv. Vet. Perú 2009; 20 ( 2): 178-186.
6. Hildebrand, P. Poey, F. On-Farm agronomic trails in farming systems
research and extension. Boulder. 1985
7. IIAP, 2004. Avances en el desarrollo de la acuicultura en la Región
Amazonas, Perú.
8. Ibáñez, N., Jara C., Guerra, A., Díaz, E. 2004. Prevalencia del
enteroparasitismo en escolares de comunidades nativas del Alto Marañón,
Amazonas, Perú. Revista Peruana de Medicina Experimental y Salud
Pública. Instituto Nacional de Salud, Perú.
9. Otero, Freddy 2004. Determinantes de la adopción de tecnología agrícola:
Caso Café orgánico en los municipios de San Gil y Apia. Universidad de los
Andes. Facultad de Economía. Maestría en Economía Ambiental
10. PASOLAC, 1999. Índice de aceptabilidad. Introducción de una herramienta
sencilla de seguimiento a la transferencia - con dos ejemplos -. Documento
N° 224. Serie Técnica. 9/99. Programa para la Agricultura Sostenible en
Laderas de América Central PASOLAC.
11. --------------, 2006. Guía para elaboración de estudios de adopción de
tecnologías de manejo sostenible de suelos y agua. Documento No. 499
Serie Técnica 7/2006.
12. Tudela, J. W. 2007. Determinantes de la producción orgánica: el caso del
café orgánico en los valles de San Juan del Oro – Puno. En Economía y
Sociedad, CIES, 2007.
24
28. • Anexo 3: Categorización de variables
1) Miembros en la familia (Nombre de variable: familia)
1- 1-3
2- 4-7
3- 8-10
4- 10+
2) Años dedicados a la piscicultura (Nombre de variable: anos):
1- Hasta 2
2- 3-4
3- 5-6
4- Más de 6
3) Cantidad de estanques (Nombre de variable: estanq)
1- 1
2- 2
28
29. 3- 3
4- 4
5- Más de 4
4) Dimensiones promedio de estanques (Nombre de variable: dimens)
1- 500 m2
2- 1000 m2
3- 1500 m2
4- 2000 m2
5- 2500+ m2
5) Producción por estanque (Nombre de variable: produc)
1- Hasta 50 kilos
2- 50-100 kilos
3- 101-150 kilos
4- 151-200 kilos
5- 201+ kilos
6) Veces por año que cosecha (Nombre de variable: veces)
1- 1
2- 2
3- 3
4- Más de 4
7) Cuanto vendió por cosecha (Nombre de variable: vendio)
0- Nada
1- Hasta 50 kilos
2- 50-100 kilos
3- 101-150 kilos
4- 151-200 kilos
5- Más de 200 kilos
8) Institución que apoyaron (Nombre de variable: institu)
0- Nada
1- IIAP
2- Otro
9) Ha enseñado a otras personas a construir estanques (Nombre de variable:
ensena)
29
30. 0- No
1- Sí
10) Cuanto tiempo en días dedica por mes a la piscicultura (Nombre de
variable: diasmes)
1 Hasta 10 días
2 10-20 días
3 Más de 20 días
11) Que actividad realizaba cuando no tenía piscigranja(Nombre de variable:
otroact)
0- Otro de chacra
1- Chacra
2- Talar Árboles/Sacar Madera
12) Cree que ha evitado deforestar el bosque por el desarrollo de la piscicultura
(Nombre de variable: evita)
0- No
1- Si
13) Cuánto Ha. ha evitado intervenir debido al desarrollo de la piscicultura
(Nombre de variable: supevita)
0- Nada
1- 1
2- 2
3- 3
4- 4
5- Más de 4
14) Es la crianza de peces es importante para usted (Nombre de variable:
import)
0- No
1- Sí
15) Desearía tener más pozas o estanques (Nombre de variable: maspozas)
0- No
1- 1 más
2- 2 más
3- 3 más
30
31. 4- Más de 3 más
16) Otras instituciones le han ayudado en la piscicultura (Nombre de variable:
otrainst)
0- No 1- Sí
• Anexo 3: Modelos econométricos en formato Stata V. 8.2
Modelo 1:
Modelo 2:
31