The Adoption Drivers of New Technology: The Case of Genetically Modified Crop Adoption by French Farmers
Notice bibliographique
Résumé
This work is the first study of adoption of GM crops by French farmers. The GM crop technology case was a fertile field for the study of technology adoption but existing literature mainly focuses on studies of these issues in USA, Africa and Asia. In France, main production area of maize in Europe, the agricultural sector is very atypical compared to the agricultural sector investigated in the existing literature on the GMO adoption. By a study of the GM crop adoption in the French context and within the main production area, the south-west region of France, this study reveals 4 determinant factors that shape the choice of GM or NGM maize cropping. Some of the factors pointed by this study are in line with the existing literature on technology adoption and output uncertainty and input uncertainty (uncertainty on the expected marginal benefits and costs to sustain the new technology). Other factors identified under the atypical French agriculture sector distinctive features are particularly novel. These new factors are linked to the implementation of the UE regulation on GM/NGM coexistence in the context of small fragmented farms (need of coordination between farmers to prevent GM dispersal) and importance of the market outlets proximity to federate farmers. These novel results pinpoint that in the French context there is a need of both vertical coordination (farmers with the operators downstream the supply chain as the outlet industrial) and horizontal coordination (among farmers in neighbourhood situation) to foster the technology adoption in such industry context.
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 | 0,000 | 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 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 ».