The Dilemma of Fraudulent Pesticides in the Agrifood Sector: Analysis of Factors Affecting Farmers’ Purchasing Behavior in Egypt
Notice bibliographique
Résumé
Fraudulent pesticides suggest a solemn risk to sustainable agricultural production, environmental sustainability, and human health due to their unrevealed composition and quality. Nonetheless, their large-scale utilization in the agrifood sector relies on many factors, such as personal, institutional, and legislative ones. This study aimed to evaluate farmers’ perceptions of fraudulent pesticides and examine their marketability elements. The data came from 394 farmers’ structured questionnaires from Dakahlia governorate, Egypt. The factorial analysis revealed beliefs, health and environmental risks, quality recognition, price, and policies as the critical drivers for buying fraudulent pesticides. The cluster analysis disclosed two varied farmer segments—“conventional” and “conscious”—based on perception. “conventional farmers” signify 59.9% of the sample and reveal typical farmer behaviors and give more attention to factors such as beliefs and product price. Contrarily, “conscious farmers” symbolize a more sentient group about policy, product quality, and health and environmental issues. Significant differences (p < 0.01) occurred between the two segments, corresponding to their education, farming activity, farm size, and farming experience. The findings suggest reinforcing the extant pesticide laws and regulations’ administration mechanisms, implementing deliberate measures to increase public awareness of the consequences resulting from fraudulent pesticide use, and improving recognition behavior by detecting fraudulent pesticides with digital technologies among all stakeholders.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».