واکاوی رانه های پذیرش پهپادهای کشاورزی در زارعت گندم

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش‌آموخته دکتری، بخش ترویج و آموزش کشاورزی، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران.

2 دانشجوی دکتری، بخش ترویج و آموزش کشاورزی، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران.

3 دانش‎آموخته‎ی کارشناسی ارشد، گروه ترویج و توسعه روستایی، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران.

چکیده

وسایل نقلیه هوایی بدون سرنشین یا پهپادها جزء آخرین نسل از فناورهای مربوط به کشاورزی دقیق هستند که کاربرد آن‌ها در پایش و مدیریت فعالیت ‎های کشاورزی روز به روز در حال افزایش است. هدف این مطالعه، واکاوی رانه های پذیرش پهپادهای کشاورزی در میان گندم‎کاران بود. برای این منظور از نسخه توسعه‌یافته الگوی پذیرش فناوری به عنوان مبنای تئوریک استفاده شد. جامعه آماری گندم‎کاران استان فارس بودند که 373 نفر از آن‌ها با استفاده از یک روش تصادفی چندمرحله ای انتخاب شدند. ابزار پژوهش پرسشنامه ‎ای محقق ساخته بود که روایی و پایایی آن مورد ارزیابی و تأیید قرار گرفت. نتایج پژوهش نشان داد که متغیرهای سهولت استفاده‎ ی ادراک شده، نگرش، ارتباط شغلی و سودمندی ادراک شده به ترتیب دارای بیشترین اثرات مثبت و معنی ‎دار بر روی تمایل به استفاده از پهپادهای کشاورزی بودند. این چهار متغیر روی هم رفته توانستند 44 درصد از تغییرات واریانس تمایل به استفاده از پهپادهای کشاورزی را پیش بینی کنند. همچنین، ارتباط شغلی به صورت مثبت و معنی داری متغیرهای سودمندی ادراک‎ شده و تمایل به استفاده از پهپادها را تحت تأثیر قرار داد. مشابهاً، متغیر نگرش نسبت به استفاده از پهپادها نیز اثراتی مثبت و معنی دار بر روی متغیرهای سهولت استفاده درک شده و تمایل به استفاده از پهپادها نشان داد. بررسی شاخص های برازندگی الگوی توسعه‎ یافته ‎ی پذیرش فناوری نشان داد که این مدل از برازندگی قابل قبولی برخودار است و می تواند مبنایی برای ایجاد تغییرات رفتاری در حوزه پذیرش پهپادهای کشاورزی قرار گیرد. در پایان بر اساس نتایج پژوهش، پیشنهادهایی کاربردی ارائه گردیده که می‎ تواند سیاست ‎گذاران، تصمیم گیران و عملگران میدانی را برای تشویق تمایل به استفاده از پهپادها کمک کند.

کلیدواژه‌ها

عنوان مقاله [English]

Analyzing the Drivers of Adopting Agricultural Unmanned Aerial Vehicles (UAV) in Wheat Cultivation

نویسندگان [English]

  • Naser Valizadeh 1
  • Latif Haji 2
  • Setareh Khannejad 3
1 Ph.D., Department of Agricultural Extension and Education, School of Agriculture, Shiraz University, Shiraz, Iran.
2 Ph.D. Student, Department of Agricultural Extension and Education, School of Agriculture, Shiraz University, Shiraz, Iran.
3 M. Sc. Graduate, Department of Rural Extension and Development, College of Agriculture, University of Tabriz, Tabriz, Iran.
چکیده [English]

Unmanned aerial vehicles (UAV) or drones are part of the latest generation of precision farming technologies that are increasingly used in the monitoring and management of agricultural activities. The aim of this study was to investigate the drivers of acceptance of the agricultural drones among wheat farmers. For this purpose, an extended version of the Technology Acceptance Model was employed as a theoretical basis. The statistical population was wheat farmers in Fars province; out them 373 cases were selected using a multi-stage random sampling method. The research tool was a researcher-made questionnaire whose validity and reliability were evaluated and confirmed. The results indicated that the variables perceived ease of use, attitude, job relevance, and perceived usefulness had the greatest positive and significant effects on the intention to use agricultural drones, respectively. Taken together, these four variables could account for about 44 % of the variance changes in the intention to use agricultural drones. Also, job relevance was positively and significantly affected by perceived usefulness and the intention to use agricultural drones. Similarly, attitude towards the use of drones also showed positive and significant effects perceived ease of use and the intention to use agricultural drones. Examining fit indices of the Technology Acceptance Model showed that this model is of an acceptable level of data-model fitness and can be a basis for behavioral changes in the field of agricultural drones’ adoption. Finally, based on the research results, practical recommendations were presented that can help policy-makers, decision-makers, and practitioners to encourage the intention to use agricultural drones.

کلیدواژه‌ها [English]

  • Precision agriculture
  • Farmers persuasion
  • Technology Acceptance Model
  • Cross-sectional analysis

مراجع

حاجی، ل.، مؤمن‎پور، ی.، و کریمی، ح. (1400). تحلیل نیت رفتاری استفاده از سیستم‎ های آبیاری خورشیدی در بخش کشاورزی شهرستان نقده: همگرایی مدل ‎های TPB و TAM. مجله علوم ترویج و آموزش کشاورزی ایران، جلد 17، شماره 1، صص 52ـ37.
یزدان‎پناه، م.، زبیدی، ط.، صلاحی‎ مقدم، ن.، و روزانه، د. (1398). عوامل مؤثر بر پذیرش فناوری آبیاری نوین کشاورزان (مورد مطالعه شهرستان بهبهان). مجله علوم ترویج و آموزش کشاورزی ایران، جلد 15، شماره 1، صص 141ـ127.
 
Adrian, A. M., Norwood, S. H., and Mask, P. L. (2005). Producers’ perceptions and attitudes toward precision agriculture technologies. Computers and Electronics in Agriculture, 48(3), 256-271.
AliSalehAl-Ajam, K. M. N. (2013). Adoption of Internet banking by Yemeni consumers: An empirical investigation. Australian Journal of Basic and Applied Sciences, 7(2), 182-189.
Antonietti, C., Cattaneo, A., and Amenduni, F. (2022). Can teachers’ digital competence influence technology acceptance in vocational education?. Computers in Human Behavior, 132, 107266.
Ayamga, M., Tekinerdogan, B., and Kassahun, A. (2021). Exploring the challenges posed by regulations for the use of drones in agriculture in the African context. Land, 10(2), 164.
Bagheri, A., Bondori, A., Allahyari, M. S., and Surujlal, J. (2021). Use of biologic inputs among cereal farmers: Application of technology acceptance model. Environment, Development and Sustainability, 23(4), 5165-5181.
Candiago, S., Remondino, F., De Giglio, M., Dubbini, M., and Gattelli, M. (2015). Evaluating multispectral images and vegetation indices for precision farming applications from UAV images. Remote sensing, 7(4), 4026-4047.
 Cao, Y., Li, G. L., Luo, Y. K., Pan, Q., and Zhang, S. Y. (2020). Monitoring of sugar beet growth indicators using wide-dynamic-range vegetation index (WDRVI) derived from UAV multispectral images. Computers and Electronics in Agriculture, 171, 105331.
Castiblanco Jimenez, I. A., Cepeda García, L. C., Marcolin, F., Violante, M. G., and Vezzetti, E. (2021). Validation of a TAM extension in agriculture: Exploring the determinants of acceptance of an e-learning platform. Applied Sciences, 11(10), 4672.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS quarterly, 13(3), 319-340.
European Commission. (2018). Drones in agriculture. Brussels, Belgium. Available at: <https://ec.europa.eu/growth/tools-databases/dem/monitor/sites/default/fles/Drones_vf.pdf>.
Gebbers, R., and Adamchuk, V. I. (2010). Precision agriculture and food security. Science, 327(5967), 828-831.
Haji, L., Valizadeh, N., Rezaei-Moghaddam, K., and Hayati, D. (2020). Analyzing Iranian farmers' behavioral intention towards acceptance of drip irrigation using extended technology acceptance model. Journal of Agricultural Science and Technology, 22(5), 1177-1190.
Hunt Jr, E. R., and Daughtry, C. S. (2018). What good are unmanned aircraft systems for agricultural remote sensing and precision agriculture?. International Journal of Remote Sensing, 39(15-16), 5345-5376.
Kabir, K. H., Hassan, F., Mukta, M. Z. N., Roy, D., Darr, D., Leggette, H., and Ullah, S. A. (2022). Application of the technology acceptance model to assess the use and preferences of ICTs among field-level extension officers in Bangladesh. Digital Geography and Society, 3, 100027.
Katebi, A., Homami, P., and Najmeddin, M. (2022). Acceptance model of precast concrete components in building construction based on Technology Acceptance Model (TAM) and Technology, Organization, and Environment (TOE) framework. Journal of Building Engineering, 45, 103518.
Khanal, S., Fulton, J., and Shearer, S. (2017). An overview of current and potential applications of thermal remote sensing in precision agriculture. Computers and Electronics in Agriculture, 139, 22-32.
Khoza, S., de Beer, L. T., van Niekerk, D., and Nemakonde, L. (2021). A gender-differentiated analysis of climate-smart agriculture adoption by smallholder farmers: Application of the extended technology acceptance model. Gender, Technology and Development, 25(1), 1-21.
Krejcie, R. V., and Morgan, D. W. (1970). Determining sample size for research activities. Educational and Psychological Measurement, 30(3), 607-610.
Lucock, X., and Westbrooke, V. (2021). Trusting in the “eye in the sky”? Farmers’ and auditors’ perceptions of drone use in environmental auditing. Sustainability, 13(23), 13208.
Luppicini, R., and So, A. (2016). A techno-ethical review of commercial drone use in the context of governance, ethics, and privacy. Technology in Society, 46, 109-119.
Michels, M., von Hobe, C. F., and Musshoff, O. (2020). A trans-theoretical model for the adoption of drones by large-scale German farmers. Journal of Rural Studies, 75, 80-88.
Michels, M., von Hobe, C. F., Weller von Ahlefeld, P. J., and Musshoff, O. (2021). The adoption of drones in German agriculture: A structural equation model. Precision Agriculture, 22(6), 1728-1748.
Mir, S. A., and Padma, T. (2020). Integrated technology Acceptance Model for the evaluation of agricultural decision support systems. Journal of Global Information Technology Management, 23(2), 138-164.
Moskvitch, K. (2015). Take off: Are drones the future of farming?. Engineering & Technology, 10(7-8), 62-66.
Rasyidha, M. H., Najib, M., and Sumarwan, U. (2020). The influence of intention to use medians potato varieties on the result of technological innovation development with technology acceptance models. Journal Manajemen, 24(1), 38-58.
Rivera Green, I. F. (2007). The emancipatory potential of a new information system and its effect on technology acceptance. Ph.D. Dissertation. University of Pretoria, Pretoria, South Africa.
Sylvester, G. (2018). E-agriculture in action: drones for agriculture. (Ed.). Food and Agriculture Organization of the United Nations and International Telecommunication Union. Bangkok: Thailand.
Tiwari, A., and Dixit, A. (2015). Unmanned aerial vehicle and geospatial technology pushing the limits of development. American Journal of Engineering Research, 4, 16-21.
Tran, T. C. T., and Cheng, M. S. (2017). Adding innovation diffusion theory to technology acceptance model: understanding consumers' intention to use biofuels in Viet Nam. International Review of Management and Business Research, 6(2), 595-610.
Vayssade, J. A., Arquet, R., and Bonneau, M. (2019). Automatic activity tracking of goats using drone camera. Computers and Electronics in Agriculture, 162, 767-772.
Wong, T. K. M., Man, S. S., and Chan, A. H. S. (2021). Exploring the acceptance of PPE by construction workers: An extension of the Technology Acceptance Model with safety management practices and safety consciousness. Safety Science, 139, 105239.
Yang, L., Bashiru Danwana, S., and Yassaanah, I. F. L. (2021). An empirical study of renewable energy technology acceptance in Ghana using an extended Technology Acceptance Model. Sustainability, 13(19), 10791.
Zheng, S., Wang, Z., and Wachenheim, C. J. (2018). Technology adoption among farmers in Jilin Province, China: The case of aerial pesticide application. China Agricultural Economic Review, 11(1), 206–216.
Zhou, L., Xue, S., and Li, R. (2022). Extending the Technology Acceptance Model to explore students’ intention to use an online education platform at a University in China. SAGE Open, 12(1), 21582440221085259.
علوم ترویج و آموزش کشاورزی ایران
دوره 17، شماره 2
اسفند 1400
صفحه 251-263

فایل ها

هم رسانی

ارجاع به این مقاله

آمار