Determinants and Impacts of Modern Agricultural Technology Adoption in West Wollega: The Case of Gulliso District
Notice bibliographique
Résumé
This study analyzed factors affecting modern agricultural technology adoption by farmers and the impact of technology adoption decision on the welfare of households in the study area. The data used for the study were obtained from 145 randomly selected sample households in the study area. Binary logit model was employed to analyze the determinants of farmers’ decisions to adopt modern technologies. Moreover, the average effect of adoption on household incomes and expenditure were estimated by using propensity score matching method. The result of the logistic regression showed that household heads’ education level, farm size, credit accessibility, perception of farmers about cost of the inputs and off-farm income positively and significantly affected the farm households’ adoption decision; while family size affected their decision negatively and significantly. The result of the propensity score matching estimation showed that the average income and consumption expenditure of adopters are greater than that of non-adopters. Based on these findings it is recommended that the zonal and the woreda leaders extension agents farm and education experts, policy makers and other development oriented organizations have to plan in such a way that the farm households in the study area will obtain sufficient education, credit accessibilities and also have to train farmers to make them understand the benefits obtained from adopting the new technologies. These bodies have also to arrange policy issues that improve farm labour participation of household members and also to arrange the ways in which farmers obtain means of income outside farming activities. Keywords: Agriculture, Farm household, Technology Adoption Logit, Propensity Score Match
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».