Decision-Making in Agriculture: Why do Farmers Decide to Adopt a New Practice?
Notice bibliographique
Résumé
Current rates of environmental degradation demand changes to the way in which food is produced. Transforming agricultural production requires both the development and the adoption of new practices that facilitate high yields at least environmental cost. Many beneficial practices have already been developed and their limited adoption now constrains their potential to deliver sustainable agriculture. Greater understanding is needed of why farmers decide to adopt or reject different practices. The Technology Acceptance Model (TAM) has been used in an agricultural context to examine adoption. The TAM posits that perceptions of a practice’s usefulness (PU) and its ease of use (PEOU) drive its adoption. In this thesis, the TAM was first revised such that adoption was considered as being composed of five stages to reflect the preparatory and trial phases that precede the full-scale adoption of agricultural practices. An empirical study was then conducted to investigate farmers’ attitudes in the Southern Ontario region towards agrominerals and cover cropping – two practices that show promise in maintaining soil health at low environmental cost. PU and PEOU were found to be significant drivers of the adoption of agrominerals. However, PEOU did not have a significant direct effect on farmers’ decisions to continue using cover crops. A longitudinal study that applies the revised TAM is needed to ascertain whether it is effective in explaining the adoption process, particularly in the latter stages of adoption when PEOU appears to be of less importance and PU alone appears to largely drive farmers’ decision-making. The concern participants showed for the potential environmental impacts of agriculture highly varied with those showing greater concern reporting greater intentions of adopting agrominerals. Socio-economic and agro-ecological factors were found not to be correlated to adoption. This study demonstrated the need to increase knowledge sharing between farmers and scientists to facilitate the transition towards sustainable agricultural production.
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 | 0,006 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».