Blockchain technology and power asymmetries in Tanzanian agricultural supply chains
Notice bibliographique
Résumé
This study investigates the role of power relations in agricultural supply chains and their impact on sustainability, market access, and technology adoption. Using the Resource Dependence Theory (RDT), this study explains the influence of power asymmetries between stakeholders, such as large buyers and smallholder farmers, on the diffusion of emerging technologies in the Agricultural Supply Chain (ASC) in Tanzania. A mixed-methods approach was employed, combining field surveys in three regions of Tanzania with a comprehensive literature review. The surveys targeted key groups in the ASC, including smallholder farmers, large-scale farmers, buyers, transporters, and local and national leaders. Quantitative data were analysed using descriptive statistics and correlation analyses. The findings show that buyers exert disproportionate influence over pricing (mean score: 5.61), while smallholders, youth, and women remain marginalised (mean scores below 4.0). Large-scale farmers and buyers heavily influence pricing decisions and technology adoption. Correlation analysis reveals a significant disparity, with smallholders and buyers exhibiting almost no pricing alignment (r = 0.002), whereas buyers and national leaders show a close alignment (r = 0.396). Strong AMCOS reported higher stakeholder influence than weak ones (mean 5.76 vs. 4.85). The results signal critical barriers to equitable technology adoption. We argue that blockchain technology can intervene by decentralising information access to rebalance these power asymmetries and enhance market inclusion. The study offers empirical insights for designing inclusive, technology-enabled agricultural markets. The results help policymakers develop targeted interventions to enable smallholders, women, and other disadvantaged groups to access and adopt technologies. Comparative research in different regions could further expand the understanding of how power dynamics and technology adoption evolve.
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 | 0,002 | 0,007 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».