Adoption of ICT-in-Agriculture Innovations by Smallholder Farmers in Kenya
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Agricultural development is a powerful tool for raising incomes for deprived population in developing countries, such as Kenya and to support livelihoods by ensuing food security. This has seen the agricultural sector position itself as an engine for sustainable development and economic growth in Kenya. However, the profile of the farming community in Kenya is mainly female smallholders who are illiterate and that practice traditional farming methods. Therefore, there is urgent need to examine emerging digital tools that can support these farmers, and to adopt these tools accordingly to meet their farming needs. In this regard, this paper seeks to explore the willingness and ability of these smallholder farmers to accept and adopt ICT-in-agriculture innovations towards supporting their farm operations, improving their farm productivity, and providing readily and accessible market for their produce. Specifically, this study identifies the factors that influence smallholder farmers’ decision on ICT innovations adoption in agriculture, and examines how these factors are perceived by smallholder farmers on adoption of ICT innovations. The study was carried out in Siaya County, Kenya with sample population of 100 smallholder farmers. A simple random sampling was used, with questionnaires used to collect data. The findings from this study indicate cost, illiteracy, ICT skills, quality of the information and gender as some of the key factors that influence smallholder farmers’ choice and decision on ICT-in agriculture innovations to adopt.
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.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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 découle