
تعداد نشریات | 13 |
تعداد شمارهها | 623 |
تعداد مقالات | 6,501 |
تعداد مشاهده مقاله | 8,629,354 |
تعداد دریافت فایل اصل مقاله | 8,223,869 |
تحلیل مقایسهای هوشمندسازی واحدهای دام پروری کارآفرین شهرستان کرمانشاه با تاکید بر توانمندی دیجیتالی مدیران | ||
مطالعات کارآفرینی و توسعه پایدار کشاورزی | ||
مقاله 5، دوره 7، شماره 2 - شماره پیاپی 14، شهریور 1399، صفحه 59-74 اصل مقاله (422.88 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/jead.2021.19065.1472 | ||
نویسندگان | ||
فریبرز کرمی فرد1؛ شهپر گراوندی* 2 | ||
1کارشناسارشد، گروه ترویج و آموزش کشاورزی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه | ||
2استادیار و عضو هیاتعلمی ، گروه ترویج و آموزش کشاورزی، دانشکده کشاورزی، دانشگاه رازی، کرمانشاه | ||
چکیده | ||
هدف پژوهش توصیفی پیمایشی حاضر، تحلیل مقایسهای واحدهای دامپروری کارآفرین صنعتی و سنتی از لحاظ توانمندی دیجیتالی و هوشمندسازی کسب و کار آنان بود. جامعه مورد مطالعه واحدهای پرورش گاوشیری (صنعتی و سنتی) شهرستان کرمانشاه بودند که تعداد 152 نفر از آنها با استفاده از روش نمونهگیری طبقهای با انتساب متناسب مورد مطالعه قرار گرفتند. دادهها از طریق پرسشنامه محققساخته جمعآوری شد. روایی و پایایی پرسشنامه از طریق پانل متخصصان و آلفای کرونباخ مورد تایید قرار گرفت. پس از تکمیل پرسشنامهها از نرمافزار آماری SPSS18 جهت پردازش دادههای دریافتی استفاده شد. نتایج نشان داد بین توانمندی دیجیتالی مدیران و هوشمندسازی کسبوکار در واحدهای دامپروری سنتی (r=0/726 , P=0/000) و صنعتی (r=0/398 , P=0/044) رابطه مثبت و معنیداری در سطح 5 درصد وجود دارد. بر اساس یافتهها میانگین متغیرهای توانمندی دیجیتالی و هوشمندسازی دامپروریهای صنعتی، در تمامی مولفهها در سطحی بالاتر از دامپروری سنتی قرار دارد. به منظور بررسی معناداری این تفاوتها از آزمون تی- استیودنت استفاده شد. نتایج در بخش توانمندسازی نشان داد، تنها از لحاظ بعد اقتصادی بین دو گروه مورد مطالعه تفاوت معناداری وجود دارد (t=-3/241, P=0/001). علاوه بر این در بخش هوشمندسازی کسب وکار، از لحاظ مولفههای مدیریت دانش(t=-0/670, P=0/000) و توسعه نرم افزاری(t=-3/516, P=0/001) بین دو گروه مورد مطالعه تفاوت معنیداری ملاحظه شد. با توجه به نقش توانمندی دیجیتالی مدیران در هوشمندسازی کسب-وکارهای دامپروری پیشنهاد میشود برنامهریزان و مسئولان ترویج و آموزش کشاورزی شهرستان، آموزش و توسعه توانمندیهای دیجیتالی بهرهبرداران را در سر لوحه کارهای ترویجی خود قرار دهند. | ||
کلیدواژهها | ||
دام پروری صنعتی؛ دام پروری سنتی؛ کسبوکار؛ کارآفرینی؛ توسعه دام پروری | ||
مراجع | ||
17. Alreshidi, E. 2019. Smart Sustainable Agriculture (SSA) Solution Underpinned by Internet of Things (IoT) and Artificial Intelligence. (IJACSA) International Journal of Advanced Computer Science and Applications, 10 (5): 93-102.
20. Binda, E., Casirani, G., Piccinini, R., Zecconi, A. 2004. Introduction of AMS in Italian Dairy Herds: The Detection of Clinical and Subclinical Mastitis by AMS Systems. Automatic milking- a better understanding: Proceedings of the International Symposium, Wageningen Academic Publishers, The Netherlands. 245-46.21. Créach, P., Doutart, E., Bouvarel, I. 2017. Precision livestock farming and big data: a new challenge for poultry sector. 12e Journées de la Recherche Avicole et Palmipèdes à Foie Gras (JRA-JRPFG 2017), 5 & 6 avril 2017, Tours, France: 59-66.
23. Elijah, T. A., Rahman, I., Orikumhi, C. Y., Leow, and M. N. 2018. Hindia, An Overview of Internet of Things (IoT) and Data Analytics in Agriculture: Benefits and Challenges, IEEE Internet of Things Journal, 5 (5): 3758-3773. 24. Ferrari, S., Piccinini, R., Silva, M., Exadaktylos, V., Berckmans, D., and Guarino, M. 2010. Cough sound description in relation to respiratory diseases in dairy calves. Preventive Veterinary Medicine, 96: 276-280.25. Grujica, V., Danijel, M. and Radomir, B. 2019. Business Intelligence in agriculture-A Practical Approach. Boosting Adult System Education in Agriculture- AGRI BASE. 26. Hahn, G.L. 1999. Dynamic responses of cattle to thermal loads. Journal of Dairy Science, 82 (2): 10-20. 27. Hostmann, B., Herschel, G. and Rayner, N. 2007. The evolution of business intelligence: the four worlds. Gartner Research Report. 28. Imhoff, C. 2004. Business Intelligence-Five Factor for Success. Retrieved from http://www.b-eyenetwork. com/print/252.
31. Malavade, V. M. and Akulwar, P. K., 2017. Role of IoT in Agriculture. National Conference on Changing Technology and Rural Development, 56-57.
33. Oyku, I., Jones, M.C. and Sidorova, A. 2011. Bussines Intelligence (BI) Success and the Role of BI Capabilities. Intelligent Systems in Accounting, Finanace and Management, 18: 161–176.34. Patrício, D.I. and Rieder, R. 2018. Computer vision and artificial intelligence in precision agriculture for grain crops: A systematic review, Computers and Electronics in Agriculture, 153: 69-81.
37. Sethi, P. and Sarangi, S.R. 2017. Internet of things: architectures. Protocols and applications. Journal of Electrical and Computer Engineering, 1-26.38. Sharma, R. S. & Djiaw, V. 2011. Realizing the strategic impact of business intelligence tools. VINE, 41 (2): 113-131.39. Silva, K. O. and Naas, I. 2006. Evaluating the use of electronic identification in swine. Engenharia Agrícola, 26 (1): 11-19.
41. Tyrychtr, J., Ulman, M., and Vostrovský, V. 2015. Evaluation of the state of the Business Intelligence among small Czech farms. Agricultural Economics, 61 (2): 63-71.
43. Viaene, S. 2008. Linking business intelligence into your business. IT Professional, 10(6): 28–3444. Watson, H.J., Wixom, B.H., Hoffer, J.A., Anderson-Lehman, R. and Reynolds, A.M. 2006. Real-time business intelligence: best practices in Continental Airlines. Business Intelligence, 23(1): 7–18. | ||
آمار تعداد مشاهده مقاله: 457 تعداد دریافت فایل اصل مقاله: 270 |