Investigating the Effective Factors on the Acceptance of using Biological Control by Citrus Growers against Mediterranean Fly Pest in Sari City
Subject Areas : Agricultural Extension and Education Research
Asad Shahani
1
(Faculty member of University of Applied Science and Technology)
Keywords: biological control, Mediterranean Fly Pest, technology acceptance model, Citrus,
Abstract :
The purpose of this study was to examine the factors affecting the acceptance of biological control of of Mediterranean fly pest by citrus farmers in Sari city. This research is a survey type used a researcher-made questionnaire to collect the data. based on the Davis Technology Acceptance Model (1989). The statistical population of this study consisted of all citrus farmers in Sari city amounting to 30614 people. Using Cochran's formula and stratified sampling with proportional allocation, 220 people were selected as samples. Data analysis was performed using Amos22 and SPSS23 software and structural equation modeling. The findings indicate that external factors had a positive and significant effect on «the perceived usefulness of biological methods against Mediterranean flies». Also, the finding of research showed that there is a positive and significant relationship between «Perceived usefulness» and «ease of use of biological methods against Mediterranean flies» with «attitudes towards the use», «ease of use» with «the perceived usefulness of biological method», «Perceived perception and attitude» with «decision to use the biological method» and «use of biological methods against the Mediterranean fly».
اسکندری، م.، خراسانی، ا.، و یمنی، م. (1393). بررسی نقش تجربه رایانه ای بر پذیرش فناوری بر اساس مدل پذیرش فناوری TAM. پژوهش در نظام های آموزشی، دوره 8، شماره 24، صفحات 176- 149.
اعظمی، ا.، زرافشانی، ک.، دهقانیسانیچ، ح.، و گرجی، ع. (1390). واکاوی نیازهای آموزشی بهره برداران سیستمهای آبیاری تحت فشار در استان کرمانشاه (مطالعه موردی شهرستان سنقر). نشریه آب و خاک، جلد 25، شماره 5، صفحات 1127-1119.
رجبیان، م.، شایانمهر، م.، و محمدیشریف، م. (1391). مطالعه و بررسی تنوع ژنتیکی جمعیت های مگس مدیترانهای (Ceratitis capitata) در استان مازندران با استفاده از نشانگر میتوکندریایی DNA (ND4) . سومین همایش ملی بیوتکنولوژی کشاورزی ایران (گیاهی، دامی و صنعتی).
رزاقی بورخانی، ف.، رضوانفر، ا.، و شعبانعلی فمی، ح. (1391). بررسی نقش عوامل ترویجی در پذیرش فناوریهای مدیریت تلفیقی آفات در میان شالیکاران شهرستان ساری. مجله تحقیقات اقتصاد و توسعه کشاورزی ایران، جلد 2-43، شماره 3، صفحات 446-435.
سازمان جهاد کشاورزی استان مازندران (1397). مبارزه با آفات. قابل دستیابی در: http://jkmaz.ir/
سلیمانی، ع.، و زرافشانی، ک. (1390). بررسی عوامل موثر بر پذیرش فناوری اطلاعات توسط هنرآموزان هنرستان های کشاورزی استان کرمانشاه با استفاده از مدل پذیرش فناوری. فصلنامه علمی پژوهشی پژوهشگاه علوم و فناوری اطلاعات ایران، دوره 26، شماره 4، صفحات 902-885.
شریفی، م.، شریف زاده، ا.، محبوبی ، م.، و عبداله زاده، غ. (1386). بررسی مدیریت تلفیقی آفات برنج از سوی کشاورزان در استان فارس. دومین همایش ملی کشاورزی بوم شناختی ایران، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان.
صافیسیس، ی.، جودیدمیرچی، م.، و ملکی، م. (1399). تحلیل عوامل موثر بر نیت رفتاری فناوری محصولات ارگانیک از دیدگاه کارشناسان کشاورزی استان آذربایجان شرقی. مجله پژوهشهای ترویج و آموزش کشاورزی، سال سیزدهم، شماره 1، پیاپی 49، صفحات 14-1.
عبدالهزاده، غ.، شریفزاده، م.ش.، و احمدیگرجی، ح. (1394). عوامل موثر بر کاربرد عملیات مبارزه بیولوژیک آفات توسط کشاورزان در مزارع برنج شهرستان ساری. مجله تحقیقات اقتصاد و توسعه کشاورزی ایران، دوره 2، شماره 4، صفحات 688-655.
قربانیپیرعلیدهی، ف.، علیبیگی، ا. ح.، و صی محمدی، س. (1392). بررسی مدل پذیرش فناوری IPM در بین باغداران شهرستان دالاهو. مجله پژوهشهای ترویج و آموزش کشاورزی، سال ششم، شماره 4، صفحات 122-107.
قلیخانیفراهانی، ن.، حسینی، س. م.، و امیدینجفآبادی، م. (1392). بررسی عوامل موثر در پذیرش نوآوری های مربوط به سیستمهای آبیاری پیشرفته توسط کشاورزان شهرستان کرج. مجله پژوهش های ترویج و آموزش کشاورزی، جلد 2، شماره 2، صفحات 48-37.
موسویان، آ.، و کرمیدهکردی، ا. (1394). تحلیل کاربرد رهیافت مدارس صحرایی کشاورزان (FFS) در مدیریت تلفیقی آفات: مطالعه موردی در استان آذربایجان شرقی. مجله علوم ترویج و آموزش کشاورزی ایران، جلد 11، صفحات 179-163.
مرکز آمار ایران (1396). نتایج طرح آمارگیری از باغداریهای کشور 1396. سازمان برنامه و بودجه کشور.
Abdollahzadeh, G., Sharifzadeh, & M.S., Damalas, C.A. (2015). Perceptions of the beneficial and harmful effects of pesticides among Iranian rice farmers influencethe adoption of biological control. Crop Protection, 75: 124-131.
Ayesha Kamal, S., Shafiq, M., & Kakria, P. (2020). Investigating acceptance of telemedicine services through an extended technology acceptance model (TAM). Technology in Society, 60: 101212.
Alalwan, A. A., Baabdullah, A. M., Rana, N. P., Tamilmani, K., & Dwivedi, Y. K. (2018). Examining Adoption of Mobile Internet in Saudi Arabia: Extending TAM with Perceived Enjoyment, Innovativeness and Trust. Technology in Society, 55: 100-110.
Arpaci, I. (2016). Understanding and predicting students' intention to use mobile cloud storage services. Computers in Human Behavior, 58: 150-157.
Baker, B. P., Green, T. A., & Loker, A. J. (2020). Biological control and integrated pest management in organic and conventional systems. Biological Control, 140: 104095.
Brodeur, J., Abram, P. K., Heimpel, G. E., & Messing, R. H. (2018). Trends in biological control: public interest, international networking and research direction. Biocontrol, 63(1), 11–26.
Boserup, E. (2017). The Conditions of Agricultural Growth: the Economics of Agrarian Change. under Population Pressure, George Allen & Unwin Ltd, London.
Cox, D. (2013). Factors influencing adoption of information technology infrastructure library: Utilizing the technology acceptance model (tam) [Thesis]. Minnesota: Capella University.
Diemer, N., Staudacher, P., Atuhaire, A., Fuhrimann, S., & Inauen, J. (2020). Smallholder farmers’ information behavior differs for organic versus conventional pest management strategies: A qualitative study in Uganda. Journal of Cleaner Production, 257: 120465.
Ducey, A. J., & Coovert, M. D. (2016). Predicting tablet computer use: An extended technology acceptance model for physicians. Health Policy and Technology, 5: 268-284.
Davis, F. D. (1993). User acceptance of information technology: System characteristics, user perceptions and behavioural impacts. International Journal Man-Machine Studies, 38: 475-487.
Davis, F. D., Bagozzi, R. P., & Warshaw, P.R. (1989). User acceptance of computer technology: A comparison of two theoretical models. Management Science, 35: 982-1003.
Ebrahimi Sarcheshmeh, E., Bijani, M., & Sadighi, H. (2018). Adoption behavior towards the use of nuclear technology in agriculture: A causal analysis. Technology in Society, 54: 175-182.
Eeden, M. V., & Korsten, L. (2013). Factors determining use of biological disease control measures by the avocadoindustry in South Africa. Crop Protection, 51: 7-13.
Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Addison-Wesley, Reading, MA.
Hernandez, B., & Martin, J. J. M. J. (2008). Extending the technology acceptance model to include the IT decision-maker: A study of business management software. Technovation, 28: 112-121.
Hussein, Z. (2017). Leading to intention: The role of attitude in relation to technology acceptance model in e-learning. Procedia Computer Science, 105: 159-164.
Johnson, M. P., Zheng, K., & Padman, R. (2014). Modeling the longitudinality of user acceptance of technology with an evidence-adaptive clinical decision support system. Decision Support Systems, 57: 444-453.
Kim, J. U., Kim, W. J., & Park, S. C.( 2010). Consumer perceptions on web advertisements and motivation factors to purchase in the online shopping. Computers in Human Behavior, 26 (5): 1208–1222.
Karamidehkordi, E., & Hashemi, A. (2010). Farmers' knowledge of integrated pest management: A case studyin the zanjan province in Iran. Paper presented at the Innovation and Sustainable Development in Agriculture and Food (ISDA), June 2010, Montpellier, France.
Kaufman, L. V., Yalemar, J., & Wright, M. G. (2020). Classical biological control of the erythrina gall wasp, Quadrastichus erythrinae, in Hawaii: Conserving an endangered habitat. Biological Control, 142: 104161.
Lou, Y. G., Zhang, G. R., Zhang, Q., Hu, Y. & Zhang, J. (2013). Biological control of rice insect pests in China. Biological Control, 67: 8–20.
Louis, E. S., Stastny, M., & Sargent, R. D. (2020). The impacts of biological control on the performance of Lythrum salicaria 20 years post-release. Biological Control, 140: 104123.
Lamine, C. (2011). Transition pathways towards a robust ecologization of agriculture and the need for system redesign. Cases from organic farming and IPM. Journal of Rural Studies, 27(2): 209–219.
Lee, Y. H., Hsiao, C., & Purnomo, S. H. (2014). An empirical examination of individual and system characteristics on enhancing e-learning acceptance. Australasian Journal of Educational Technology, 30: 561-579.
Mariano, M. J., Villano, R. & Fleming, E. (2012). Factors influencing farmers’adoption of modern rice technologies and good management practices in the Philippines. Agricultural Systems, 110: 41-53.
Muk, A., & Chung, C. (2015). Applying the technology acceptance model in a two-country study of SMS advertising. Journal of Business Research, 68: 1-6.
Namara, R. E., Hope, L., Sarpong, E. O., Fraiture, C. D., & Owusu, D. (2014). Adoption patterns and constraints pertaining to small-scale waterlifting technologies in Ghana. Agricultural Water Management, 131: 194- 203.
Noorhosseini Niyaki, S. A., Allahyari, M. S., & Sabouri, M. S. (2010). Factors Influencing the Adoption of Biological Control of Rice stem borer (Chilo Suppressalis) in Talesh Region, Iran. International Journal of Agricultural Science and Research, 1(1): 49-58.
Park E., & Pobil, A. P. (2013). Technology acceptance model for the use of tablet pcs. wireless personal communications: An International Journal, 73(4):1561-1572.
Püschel, J., Mazzon, J. A., & Hernandez, J. M. C. (2010). Mobile banking: proposition of an integrated adoption intention framework. International Journal of bank marketing, 28(5): 389.
Rezaei, R., & Ghofranfarid, M. (2018). Rural households’ renewable energy usage intention in Iran: Extending the unified theory of acceptance and use of technology. Renewable Energy, 122: 382-391.
Rezaei, R., Safa, L. & Ganjkhanloo, M. M. (2020). Understanding farmers’ ecological conservation behavior regarding the use of integrated pest management- an application of the technology acceptance model. Global Ecology and Conservation, 22: e00941.
Sharifzadeh, M. S., Damalas, A. C., Abdollahzadeh, G., & Ahmadi-Gorgi, H. (2017). Predicting adoption of biological control among Iranian rice farmers: An application of the extended technology acceptance model (TAM2). Crop Protection, 96: 88-96.
Terzis, V., & Economides, A. A. (2011). The acceptance and use of computer based assessment. Computers & Education, 56(4): 1032-1044.
Tobbin, P. (2012). Towards a model of adoption in mobile banking by the unbanked: a qualitative study. info, 14(5), 74 - 88.
Verma, P., & Sinha, N. (2018). Integrating perceived economic wellbeing to technology acceptance model: The case of mobile based agricultural extension service. Technological Forecasting and Social Change, 126: 207-216.
Verma, S., Bhattacharyya, S. S., & Kumar, S. (2018). An extension of the technology acceptance model in the big data analytics system implementation environment. Information Processing & Management, 54(5): 791-806.
Wallace, L. G., & Sheetz, S. D., (2014). The adoption of software measures: A technology acceptance model (TAM) perspective. Information & Management, 51(2): 249-259.
_||_