Why don't smallholder farmers in Kenya use more biopesticides?
Notice bibliographique
Résumé
BACKGROUND: Although Kenya has a relatively high number of registered biopesticide products, little is known about biopesticide use by smallholders. This paper documents farmers' current use and perception of chemical pesticides and biopesticides, their willingness to pay for biopesticides, and the key challenges to biopesticide uptake. RESULTS: A survey found that chemical pesticides are used widely by smallholders despite awareness of the risks to human health and the environment. Almost half of respondents showed awareness of biopesticides, but current use in the survey localities was low (10%). Key reasons for the low use of biopesticides by smallholders in this study are: perceptions of effectiveness, primarily speed of action and spectrum of activity, availability and affordability. Smallholders who used biopesticides cited effectiveness, recommendation by advisory services and perception of safety as key reasons for their choice. Although farmers viewed both pesticides and biopesticides as costly, they invested in the former due to their perceived effectiveness. Average willingness to pay, above current chemical pesticide expenditures per cropping season was 9.6% (US$5.7). Willingness to pay differed significantly between counties, and was higher among farmers with more education or greater awareness of the health risks associated with pesticide use. CONCLUSION: This study confirms the low use of biopesticide products in the survey areas, alongside high use of conventional chemical pesticides. In order to promote greater uptake of biopesticides, addressing farmers' awareness and their perceptions of effectiveness is important, as well as increasing the knowledge of those providing advice and ensuring registered products are available locally at competitive prices. © 2020 The Authors. Pest Management Science published by John Wiley & Sons Ltd on behalf of Society of Chemical Industry.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».