Factors Influencing Adherence to Food Safety Measures Among Smallholder Dairy Farmers in Central Uganda
Notice bibliographique
Résumé
Promoting compliance with food safety measures among smallholder dairy farmers is critical for public health, market access, and the overall profitability and sustainability of the dairy sector. However, smallholder dairy farmers face challenges related to the implementation of food safety measures (FSMs) on their farms. To devise interventions to overcome these challenges, it is necessary to identify and understand the drivers of compliance with food safety measures among smallholder dairy farmers in Central Uganda. Therefore, this study investigated the factors influencing food safety compliance among smallholder dairy farmers in Central Uganda. Data were collected from 757 randomly selected smallholder dairy farmers using face-to-face interviews. The farmers were classified as low, middle, and high adopters of FSMs. The study employed an ordered Probit model to identify the determinants of compliance with FSMs. The results indicate that significant variables positively influencing the probability of being in the higher adopter class include level of formal education, type of livestock breed, number of cows milked, familiarity with FSMs, compliance perception, awareness of HACCP, standard operating procedures (SOPs), milk contamination, and the government’s role in FSMs. Conversely, factors negatively influencing the probability of being in the higher adopter class were farming experience, land size, herd size, and the cost of compliance with food safety. These issues call for policy interventions to enhance FSM knowledge through capacity-building programs for safer milk production. This will improve farmers’ perceptions and awareness of FSMs at the farm level. Considering the cost implications of FSM compliance, financial incentives are needed, such as higher premium prices for a quality-based milk payment system. Finally, the government should take a leading role in supporting smallholder farmers to adhere to FSMs through legislation and policies tailored to the farmers’ needs.
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 | 0,001 | 0,004 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».