Entrepreneurship Skills as a Factor Influencing Adoption of Innovations along Mango Value Chains in Meru County, Kenya
Notice bibliographique
Résumé
The study used a descriptivesurvey design. The study was carried out in Meru County, Kenya. Population of the study comprised of 13,574 farmers, traders and exporters, 404 farmers, 12 traders and 2 exporters. Both secondary and primary data was collected. Primary data was collected from the respondents using a structured questionnaire with both open and close ended questions. Both qualitative and quantitative data were used in the analysis. Quantitative data obtained from the field was analyzed using descriptive and inferential techniques. The descriptive techniques used means and frequencies while the inferential technique used were regression and correlation to establish relationship between variables in the study and inferences made. Frequency tables and charts were used to present the findings. The study found out that entrepreneurial skills played a role on the innovations adoption along the mango value chain. However, a linear association does not exist as between entrepreneurship skills and innovation in mango. The researcher concludes that with such a steady growth in yields and development in mango farming in Meru County, Kenyan mango supply chain appears to be promising. In the adoption of new innovations and there is need to train the growers on entrepreneurship. Education tours should be organized for the value chain members to countries such as India and Brazil so that they learn what their contemporaries in these countries are doing and adopt more skills
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».