Fish Farmers’ Willingness to Pay for Improved Information and Communication Technologies During COVID-19: A Case of Ibadan, Nigeria
Notice bibliographique
Résumé
Coronavirus has disrupted aquaculture activities at all levels. The pandemic has had effect on farmer’s input, output, market, revenue, and contact with Extension officers. To reduce the growing effect of the pandemic, the use of Information Communication Technologies has become necessary as farmers can get easy access to extension agents and monitor farm activities while reducing exposure to the virus. Hence, this research was conducted to determine fish farmer’s willingness to pay for improved Information Communication Technologies in bridging the gap caused by the Coronavirus outbreak. The study used cross-sectional survey with data collected from Ibadan, Nigeria. Simple random sampling technique was used to select a sample size of 40 farmers. Primary data was analysed using StataSE13.0 and the results revealed that; 80% of farmers were affected by Coronavirus and acknowledged that Information Communication Technologies play a role in their activities (55%). The probit regression revealed that the scale of operation, age of farmer, household size, status in the household, and usage of Information Communication Technologiess were found to be statistically significant determinants of farmer’s willingness to pay. These points to the fact that improved Information Communication Technologies are relevant to sustain aquaculture output in the face of Coronavirus. The study recommends that the government, the ministry for aquaculture, and stakeholders in aquaculture should support small-scale in the form of training, credit and provision of support systems to help them acquire and use improved ICTs.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».