Understanding the Influence of Climate Forecasts on Farmer Decisions as Planned Behavior*
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Results of a set of four regression models applied to recent survey data of farmers in eastern Nebraska suggest the causes that drive farmer intentions of using weather and climate information and forecasts in farming decisions. The model results quantify the relative importance of attitude, social norm, perceived behavioral control, and financial capability in explaining the influence of climate-conditions information and short-term and long-term forecasts on agronomic, crop insurance, and crop marketing decisions. Attitude, serving as a proxy for the utility gained from the use of such information, had the most profound positive influence on the outcome of all the decisions, followed by norms. The norms in the community, as a proxy for the utility gained from allowing oneself to be influenced by others, played a larger role in agronomic decisions than in insurance or marketing decisions. In addition, the interaction of controllability (accuracy, availability, reliability, timeliness of weather and climate information), self-efficacy (farmer ability and understanding), and general preference for control was shown to be a substantive cause. Yet control variables also have an economic side: The farm-sales variable as a measure of financial ability and motivation intensified and clarified the role of control while also enhancing the statistical robustness of the attitude and norms variables in better clarifying how they drive the influence. Overall, the integrated model of planned behavior from social psychology and derived demand from economics, that is, the “planned demand model,” is more powerful than models based on either of these approaches alone. Taken together, these results suggest that the “human dimension” needs to be better recognized so as to improve effective use of climate and weather forecasts and information for farming decision making.
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.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle