Understanding Farmers' Behavior and Their Decision-Making Process in the Context of Cattle Diseases: A Review of Theories and Approaches
Notice bibliographique
Résumé
Understanding farmers' behavior regarding disease control is essential to successfully implement behavior change interventions that improve uptake of best practices. A literature review was conducted to identify theoretical underpinnings, analytical methodologies, and key behavioral determinants that have been described to understand farmers' behavior in disease control and prevention on cattle farms. Overall, 166 peer-reviewed manuscripts from studies conducted in 27 countries were identified. In the past decade, there were increasing reports on farmers' motivators and barriers, but no indication of application of appropriate social science methods. Furthermore, the majority (58%) of reviewed studies lacked a theoretical framework in their study design. However, when a theoretical underpinning was applied, the Theory of Planned Behavior was most commonly used (14% of total). The complexity of factors impacting farmers' behavior was illustrated when mapping all described key constructs of the reviewed papers in behavior change frameworks, such as the socioecological framework and the Capability, Opportunity and Motivation Behavior (COM-B) model. Constructs related to personal influences and relationships between farmers and veterinarians were overrepresented, whereas constructs related to other interpersonal and contextual environments were not extensively studied. There was a general lack of use of validated scales to measure constructs and empirically validated theoretical frameworks to understand and predict farmers' behavior. Furthermore, studies mainly focused on measurements of intention of stakeholder behavior rather than actual behavior, although the former is a poor predictor of the latter. Finally, there is still a lack of robust evidence of behavior change interventions or techniques that result in a successful change in farmers' behavior. We concluded that for a sustainable behavior change, studies should include wider constructs at individual, interpersonal, and contextual levels. Furthermore, the use of empirically validated constructs and theoretical frameworks is encouraged. By using coherent frameworks, researchers could link constructs to design interventions, and thereby take the first step toward theory-driven, evidence-based interventions to influence farmers' behavior for disease control.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».