Extension Agents’ Use and Acceptance of Social Media: The Case of the Department of Agricultural Extension in Bangladesh
Notice bibliographique
Résumé
Information and Communication Technologies (ICTs) have been considered as key driving forces for enabling agricultural development ‒ the sector which provides livelihoods for majority of the population in Bangladesh. The Department of Agricultural Extension (DAE), the largest public sector agricultural extension service provider in Bangladesh, has recently enacted a new organizational policy for its staffs to use ICTs such as social media to provide better services. However, there is little or merely anecdotal evidence about how extension agents of DAE have been accepting and using social media for their professional work. Drawing on the theoretical underpinnings of the Technology Acceptance Model (TAM), this study is a first attempt to investigate social media use and acceptance among extension agents in Bangladesh. Data was collected using semi-structured questionnaires from 140 extension agents of DAE who work in the eastern region of Bangladesh. Both descriptive and inferential statistics were used to analyze the data. The findings indicate that most extension agents (51.4%) used social media for half an hour to one hour every day. Perceived ease of use (PEoU) and Perceived usefulness (PU) are the most influential elements that determine DAE staff acceptance of social media for performing professional functions. Social media was perceived by extension agents as a means for improving professional performance, such as disseminating agricultural information; garnering support for new agricultural policy; networking with clients and colleagues and enabling coordination of services provided by colleagues. Overall, the findings indicate potential uses of social media in an ICT-based agricultural development strategy in Bangladesh.
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 | 0,002 |
| 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 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 ».