Agri-Preneurial Resilience and Success: The Correlation and Demographic Characteristics of Smallholders in South Africa
Notice bibliographique
Résumé
The incentives and subsidies needed to stimulate growth, resilience, and success in agri-preneurial businesses will only be realized through numerous interventions as agri-preneurship contributes significantly to sustainable agricultural development in South Africa. This study provided a novel insight into agri-preneurial resilience and success and evidenced the hypothesis that there is no significant positive correlation between agri-preneurial resilience, farm success, and selected demographic characteristics of smallholders. We surveyed a total of 200 agri-preneurs who were willing and able to participate in this study. This study used a structured questionnaire that was divided into the following sections: (i) demographic information; (ii) agri-preneurial resilience; and (iii) agri-preneurial success. Descriptive statistics and a regression analysis were employed to articulate responses. Four distinct models were employed to ascertain the goodness of fitness and the hypothesis, and assess the relationship between success, resilience, and selected demographic characteristics of agri-preneurs. To determine resilience, the Connor–Davidson Resilience Scale (CD-RISC) with 10 items was used because the CD-RISC justifies the best psychometric characteristics that portrays the levels of resilience amongst agri-preneurs. In measuring success, the scale items were graduated and ranked on a 5-point scale from 1 to 5. The reliability of the scale was also tested, and α = 0.93 was obtained. This study obtained a Cronbach alpha value of 0.96, indicating optimum reliability. Additionally, we ran a factor analysis to certify the reliability of the variable, which gave one factor from the four items. Significant positive correlations were found between gender, age, education, income, household size, diversification, and agri-preneurial resilience and success. This study concluded that most of the selected demographic characteristics were predictors of agri-preneurial resilience and success. However, demographic variables may be influenced by numerous factors given the heterogeneity of agri-preneurs in the study area.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».