Farmer Risk Preferences and Willingness to Pay for African Rice Landrace Seed: An Experimental Choice Analysis
Notice bibliographique
Résumé
Most literature that investigates the impact of farmer risk preferences on agricultural technology adoption has focused on how risk preferences impact the adoption of technologies that enhance productivity but that may be riskier than local technologies. In this work, we elicit the risk preferences of smallholder rice farmers and investigate how these preferences impact how they value having access to seed of farmers’ varieties of African rice (Oryza glaberrima) maintained in the gene bank of the Rice Biodiversity Center for Africa. These varieties may have lower yields, but they may be more consistent and less risky given their adaptation to the local climatic conditions. We use a Becker–DeGroot–Marschak (BDM) mechanism to elicit farmers’ willingness to pay for small amounts of landrace seed (35 g) in Côte d’Ivoire. We find that farmers generally value having access to African rice landraces (with a mean willingness to pay of ~US$0.50), and that this willingness to pay is influenced positively by loss-aversion preferences (but not risk aversion), along with several other factors. This finding is in contrast with past evidence suggesting that loss aversion is connected to slower adoption of novel technologies, and suggests that the impact of risk preferences on technology adoption may depend on the potential ability of technologies to guard against economic losses.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 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 ».