The Role of Organizational Support and Behavioral Control in Shaping Visitors’ Willingness to Buy Innovations at Agricultural Shows in Uganda
Notice bibliographique
Résumé
Agricultural shows provide a platform for showcasing research innovations, yet the factors influencing visitors’ willingness to buy these innovations remain unclear. This study examined the impact of organizational support, behavioral control, intrinsic and extrinsic motivation, and social norms on visitors’ buying intentions. Using Self-Determination Theory (SDT), the Theory of Planned Behavior (TPB), and Organizational Support Theory (OST), a structural equation modelling approach (SmartPLS 4) was applied to survey data from 304 farmers who had attended the National Agricultural Show at Jinja in 2024. Findings revealed that perceived organizational support (β = 0.621, p = 0.009) and behavioral control (β = 0.96, p = 0.008) were the strongest predictors of visitors’ willingness to buy exhibited innovations. In contrast, intrinsic motivation, attitude, and social norms were not significant predictors. Ability to use the innovations partially mediated the influence of organizational support on willingness to buy exhibited innovations. The R2 value showed a strongly prediction power of the model (R2 = 0.631; p = 0.001).It can be concluded that institutional engagement, systematic support via post-event training, and hands-on learning experiences are more effective in driving willingness to buy innovations at shows than motivation-based strategies. Policymakers and extension agents should prioritize structural and organizational factors when promoting evidence-based agricultural innovations via planned agricultural events.
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 | 0,006 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».