Smallholder farmers’ knowledge and willingness to pay for insect-based feeds in Kenya
Notice bibliographique
Résumé
Edible insects are increasingly being considered as sustainable alternatives to fish and soybean meals in animal feed because of their high nutritional quality and environmental benefits. However, successful introduction of a new product to the market depends on the target user's acceptance. Thus, evaluating the potential demand of insect-based feeds would provide relevant information for policy development. The present study assessed farmers' knowledge on edible insects as feed, their acceptance of integrating insect meals in animal feeds and willingness to pay (WTP) for insect-based feed (IBF) using a contingent valuation method. A household survey was conducted among 957 randomly selected farmers including: 409 poultry, 241 fish and 307 pig farmers in four counties in Kenya. Results of the study reveal that over 70 and 80% of poultry and fish farmers, respectively, are aware that insects can be used as a feed ingredient. In addition, over 60 and 75% of poultry and fish farmers, respectively, consider insects as a good component of feed. Poultry, pig and fish farmers interviewed accepted and showed willingness to pay for IBF. Regression analysis indicated that age, gender, education, marital status, distance to feed trader, awareness of insects as feed, attitude towards insects, acceptance of insect species, availability of agricultural inputs, use of commercial feeds, availability of training and market information had a significant influence on the WTP for IBF. Therefore, increased extension services to educate famers on the nutritional benefits of insect meals in animal feeds and existing market opportunities are expected to improve farmers' attitude towards utilization and consequently enhance WTP for IBF, which in return would significantly reduce the existing pressure on conventional fishmeal feed resources. Our findings provide the first insights into the market opportunities of including insect meals in the animal feed value chain in Kenya.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».