دوره 9، شماره 18 - ( پاییز و زمستان 1401 )
جلد 9 شماره 18 صفحات 32-22 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Baharvand F, Hosseinpour M, Jamshidi M J. (2022). Presenting Adoption Model of Internet of Things (IoT) in Agricultural Sector of Iran. jea. 9(18), 22-32. doi:10.52547/jea.9.18.22
URL: http://jea.sanru.ac.ir/article-1-295-fa.html
URL: http://jea.sanru.ac.ir/article-1-295-fa.html
بهاروند فتانه، حسین پور مهدی، جمشیدی محمد جواد. ارائه‌ی الگوی پذیرش فناوری اینترنت اشیاء در بخش کشاورزی ایران راهبردهای کارآفرینی در کشاورزی 1401; 9 (18) :32-22 10.52547/jea.9.18.22
گروه مدیریت و کارآفرینی، دانشکده علوم اجتماعی، دانشگاه رازی، کرمانشاه، ایران
چکیده: (1762 مشاهده)
چکیده مبسوط
مقدمه و هدف: کشاورزی سنتی دیگر قادر به تأمین پایدار غذای ایمن و مغذی برای سیارهای که تا سال 2050 جمعیت آن به بیش از 9 میلیارد نفر خواهد رسید، نیست. این موضوع سبب روی‌آوری پژوهشگران به پژوهش در زمینه کشاورزی مدرن و عوامل مؤثر و مرتبط با آن شده است. در این راستا، پژوهش حاضر با هدف ارائه مدل پذیرش فناوری اینترنت اشیاء در بخش کشاورزی انجام شده است.
مواد و روش‌ها: در پژوهش حاضر، طی دو مرحله شاخص ها و عوامل مؤثر بر به کارگیری فناوری اینترنت اشیاء در بخش کشاورزی استخراج گردید. در مرحله اول و با استفاده از تحلیل محتوا، تحقیقات صورت گرفته در حوزه فناوری اینترنت اشیاء در بخش کشاورزی مورد بررسی قرار گرفتند. در مرحله بعد، با تکنیک دلفی و نظرسنجی از 15 نفر از خبرگان حوزه فناوری اینترنت اشیاء که به صورت هدفمند و بهروش گلوله برفی انتخاب شدند، شاخص های مؤثر بر پذیرش فناوری اینترنت اشیاء در بخش کشاورزی استخراج شدند.
یافته‌ها: یافته های مرحله ی اول پژوهش نشان داد که، 25 شاخص بر پذیرش اینترنت اشیاء در بخش کشاورزی مؤثرند که در مرحلهی دوم با نظرسنجی از خبرگان 38 شاخص به شاخصهای مرحلهی اول اضافه گردید. در مجموع یافته های پژوهش حاکی از آن بود که 63 شاخص در قالب 11مقوله و 4 بُعد در پذیرش فناوری اینترنت اشیاء در بخش کشاورزی مؤثرند. مفاهیم اصلی شامل عوامل محیطی، فناوری، اقتصادی و اجتماعی- فرهنگی و مقوله های فرعی شامل عوامل هزینه ای، مشوق های مالی، عوامل درآمدی، عوامل سازمانی، قوانین و سیاستها، عوامل زراعتی- بوم شناختی، زیرساخت فناوری، عوامل امنیتی، قابلیت ها و ویژگی های IoT، عوامل انسانی و فرهنگ سازی هستند.
نتیجه‌گیری: با توجه به نتایج پژوهش، برای تسهیل ورود و راه اندازی فناوری اینترنت اشیا در بخش کشاورزی لازم است بسترسازی صورت گیرد. که این بسترسازی و انجام تغییرات و اصلاحات در هر چهار عامل اصلی محیطی، فناوری، اقتصادی و اجتماعی- فرهنگی ضروری به نظر می رسد. پیشنهاد می شود در این راستا دولت، به ایجاد قوانین حامی حریم خصوصی و مالکیت داده و اصلاح قانون بهره وری بخش کشاورزی با تأکید بر استفاده از فناوری اینترنت اشیاء اقدام نماید. علاوه بر این همکاری بین متخصصین آکادمیک کشاورزی و فناوری اطلاعات، توسعه شرکت های دانشبنیان در حوزه اینترنت اشیاء در بخش کشاورزی و ایجاد رشته دانشگاهی IoT پیشنهاد می گردد.
مقدمه و هدف: کشاورزی سنتی دیگر قادر به تأمین پایدار غذای ایمن و مغذی برای سیارهای که تا سال 2050 جمعیت آن به بیش از 9 میلیارد نفر خواهد رسید، نیست. این موضوع سبب روی‌آوری پژوهشگران به پژوهش در زمینه کشاورزی مدرن و عوامل مؤثر و مرتبط با آن شده است. در این راستا، پژوهش حاضر با هدف ارائه مدل پذیرش فناوری اینترنت اشیاء در بخش کشاورزی انجام شده است.
مواد و روش‌ها: در پژوهش حاضر، طی دو مرحله شاخص ها و عوامل مؤثر بر به کارگیری فناوری اینترنت اشیاء در بخش کشاورزی استخراج گردید. در مرحله اول و با استفاده از تحلیل محتوا، تحقیقات صورت گرفته در حوزه فناوری اینترنت اشیاء در بخش کشاورزی مورد بررسی قرار گرفتند. در مرحله بعد، با تکنیک دلفی و نظرسنجی از 15 نفر از خبرگان حوزه فناوری اینترنت اشیاء که به صورت هدفمند و بهروش گلوله برفی انتخاب شدند، شاخص های مؤثر بر پذیرش فناوری اینترنت اشیاء در بخش کشاورزی استخراج شدند.
یافته‌ها: یافته های مرحله ی اول پژوهش نشان داد که، 25 شاخص بر پذیرش اینترنت اشیاء در بخش کشاورزی مؤثرند که در مرحلهی دوم با نظرسنجی از خبرگان 38 شاخص به شاخصهای مرحلهی اول اضافه گردید. در مجموع یافته های پژوهش حاکی از آن بود که 63 شاخص در قالب 11مقوله و 4 بُعد در پذیرش فناوری اینترنت اشیاء در بخش کشاورزی مؤثرند. مفاهیم اصلی شامل عوامل محیطی، فناوری، اقتصادی و اجتماعی- فرهنگی و مقوله های فرعی شامل عوامل هزینه ای، مشوق های مالی، عوامل درآمدی، عوامل سازمانی، قوانین و سیاستها، عوامل زراعتی- بوم شناختی، زیرساخت فناوری، عوامل امنیتی، قابلیت ها و ویژگی های IoT، عوامل انسانی و فرهنگ سازی هستند.
نتیجه‌گیری: با توجه به نتایج پژوهش، برای تسهیل ورود و راه اندازی فناوری اینترنت اشیا در بخش کشاورزی لازم است بسترسازی صورت گیرد. که این بسترسازی و انجام تغییرات و اصلاحات در هر چهار عامل اصلی محیطی، فناوری، اقتصادی و اجتماعی- فرهنگی ضروری به نظر می رسد. پیشنهاد می شود در این راستا دولت، به ایجاد قوانین حامی حریم خصوصی و مالکیت داده و اصلاح قانون بهره وری بخش کشاورزی با تأکید بر استفاده از فناوری اینترنت اشیاء اقدام نماید. علاوه بر این همکاری بین متخصصین آکادمیک کشاورزی و فناوری اطلاعات، توسعه شرکت های دانشبنیان در حوزه اینترنت اشیاء در بخش کشاورزی و ایجاد رشته دانشگاهی IoT پیشنهاد می گردد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
کارآفرینی در کشاورزی
دریافت: 1400/10/15 | پذیرش: 1401/5/22 | انتشار: 1401/11/5
دریافت: 1400/10/15 | پذیرش: 1401/5/22 | انتشار: 1401/11/5
فهرست منابع
1. Affia, I., L.P. Eka Yani and A. Ammar. 2019. Factors affecting IoT adoption in food supply chain management. International Conference on Operations and Supply Chain Management, Vietnam.
2. Antony, A.P., K. Leith, C. Jolley, J. Lu and D.J. Sweeney. 2020. A review of practice and implementation of IoT for smallholder agriculture. Sustainability, 12(9): 37-50. www.mdpi.com/journal/sustainability. [DOI:10.3390/su12093750]
3. Bahrami Zonooz, P., M. Faghihi and M. Alborzi. 2020. Identifying and prioritizing effective factors on IoT applications in open government. Public Policy in Administration, 11(37): 15-25 (In Persian).
4. Bayo Olushola, O. 2019. Factors affecting IoT adoption. Journal of Computer Engineering (IOSR-JCE), 21(6): 19-24.
5. Bedekar, A. 2017. Opportunities and challenges for IoT in India. Online available at: http://www.startupcity.com/leaders-talk/-opportun.
6. Bucc, G., D. Bentivogolio and A. Fingo. 2019. Factor affecting ICT adoption in agriculture: a case study in Italy. Quality-Access to Success, 20(52): 122-129.
7. Castle, M.H., B.D. Lubben and J.D. Luck. 2016. Factors influencing the adoption of precision agriculture technologies by Nebraska producers. UNL Digital Commons. http://digitalcommons.unl.edu/ageconworkpap/49.
8. Chuang, J.H., J.H. Wang and C. Liang. 2020. Implementation of IoT depends on intention: young farmers' willingness to accept innovative technology. International Food and Agribusiness Management Review, 23(2): 253-266. [DOI:10.22434/IFAMR2019.0121]
9. Costa-Campi, M.T., N. Duch-Brown and J. Garcia-Quevedo. 2014. R&D drivers and obstacles to innovation in the energy industry. Energy Economics, 46: 20-30. [DOI:10.1016/j.eneco.2014.09.003]
10. Elijah, O., T.A. Rahman, I. Orikumhi, C.Y. Leow and M.N. Hindia. 2018. An overview of internet of things (IoT), and data analytics in agriculture: benefits and challenges. Internet of Things Journal, 5(5): 3758-3773. [DOI:10.1109/JIOT.2018.2844296]
11. Farahmand, A.A., R. Radfar, A.R. Pourebrahimi and M. Sharifi. 2020. Explaining the relationships between the dimensions and characteristics of the IoT technology acceptance model in smart business. Journal of Business Management, 12(48): 233-253 (In Persian).
12. Farrokhi, G. and M. Gapeleh. 2019. Smart farming based on Internet of Things. Roshd-e-Fanavari, 15(59): 29-36 (In Persian). [DOI:10.52547/jstpi.20750.15.59.29]
13. Gavrilovic, N. and A. Mishra. 2021. Software architecture of IoT for smart city, healthcare and agriculture: analysis and improvement directions. Journal of Ambient Intelligence and Humanized Computing. https://www.researchgate.net/publication/342354392.
14. Ghanbarnejad M., H. Rastegarpour, S. Salimi and K. Delrouz. 2017. Analytical study of IoT in learning environments: applications, requirements, challenges from experts' opinions. Quarterly Journal of Technology of Instruction and Learning, 3(9): 1-22 (In Persian).
15. Jamshidi, B. and H. Dehghanisanij. 2020. Big IoT data from the perspective of smart agriculture. Roshd-e-Fanavari, 16(63): 12-22 (In Persian). [DOI:10.52547/jstpi.20875.16.63.12]
16. Jayashankar, P., S. Nilakanta, W.J. Johnston, P. Gill and R. Burres. 2018. IoT adoption in agriculture: the role of trust, perceived value and risk. Journal of Business & Industrial Marketing. [DOI:10.1108/ JBIM-01-2018-0023.]
17. Kamblea, S.S., A. Gunasekaranb, H. Parekhc and S. Joshid. 2019. Modeling the internet of things adoption barriers in food retail supply chains. Journal of Retailing and Consumer Services, 48: 154-168. [DOI:10.1016/j.jretconser.2019.02.020]
18. Kargar Sharif Abad, M., M. Gerami and A. Yazdanpanah. 2019. Identification of effective factors in accepting internet objects from the perspective of users using the TAM supplemental model presented in the Gao and Bai Model, case study: customers of Iran Mobile Communications Company. Roshd-e-Fanavari, 15(58): 1-12 (In Persian).
19. Khanna, A. and S. Kaur. 2019. Evolution of Internet of Things (IoT) and its significant impact in the field of precision agriculture. Computers and Electronics in Agriculture, 157: 218-231. [DOI:10.1016/j.compag.2018.12.039]
20. Long, T.B., V. Blok and I. Coninx. 2016. Barriers to the adoption and Diffusion of technological innovations for climatesmart agriculture in Europe: evidence from the Netherlands, France, Switzerland and Italy. Journal of Cleaner Production, 112: 9-21. [DOI:10.1016/j.jclepro.2015.06.044]
21. Luthra, S., D. Garg, S. Mangla and Y.P.S. Berwal. 2018. Analyzing challenges to Internet of Things (IoT) adoption and diffusion: an Indian context. Procedia Computer Science, 125: 733-739. [DOI:10.1016/j.procs.2017.12.094]
22. Madushanki, A.A.R., M.N. Halgamuge, W.A.H.S. Wirasagoda and A. Syed. 2019. Adoption of the Internet of Things (IoT) in agriculture and smart farming towards urban greening: a review. International Journal of Advanced Computer Science and Applications, 10(4): 11-28. [DOI:10.14569/IJACSA.2019.0100402]
23. Mengru, T. 2017. An exploratory study of internet of things (Iot) adoption intention in logistics and supply chain management: a mixed research approach. The International Journal of Logistics Management, 29(6).
24. Mohammadian, A., J. Heidaridehooie and A. Qorbani. 2020. Prioritizing the applications of IoT in the agriculture by using sustainable development indicators. Iranian Journal of Agricultural Economics and Development Research, 51(4): 745-759 (In Persian). doi: 10.22059/ijaedr.2020.282000.668759
25. Pillai, R. and B. Sivathanu. 2020. Adoption of internet of things (IoT) in the agriculture industry deploying the BRT framework. Benchmarking: An International Journal, 27(4): 1341-1368. [DOI:10.1108/BIJ-08-2019-0361]
26. Sfar, A.R., E. Natalizio, Y. Challal and Z. Chtourou. 2018. A roadmap for security challenges in the Internet of Things. Digital Communications and Networks, 4: 118-137. [DOI:10.1016/j.dcan.2017.04.003]
27. Sharma, R., S.K. Sachin and G. Angappa. 2018. Big GIS analytics framework for agriculture supply chains: a literature review identifying the current trends and future perspectives. Computers and Electronics in Agriculture, 155: 103-120. [DOI:10.1016/j.compag.2018.10.001]
28. Shi, P. and B. Yan. 2016. Factors affecting RFID adoption in the agricultural product distribution industry: empirical evidence from China. Springer Plus, 5: 20-29. [DOI:10.1186/s40064-016-3708-x]
29. Singh, S., F. Haneef, S. Kumar and V. Ongsakul. 2020. A framework for successful IoT adoption in agriculture sector: a total interpretive structural modelling approach. Global Business Advancement, 13(3): 382-403. [DOI:10.1504/JGBA.2020.111013]
30. Sivathanu, B. 2018. Adoption of internet of things (IoT) based wearables for elderly healthcare: a behaviorial reasoning theory (BRT) approach. Journal of Enabling Technologies, 12(4): 169-185. [DOI:10.1108/JET-12-2017-0048]
31. Tey, Y.S. and M. Brindal. 2012. Factors influencing the adoption of precision agricultural technologies: a review for policy implications. Precision Agriculture, 13(6): 713-730. [DOI:10.1007/s11119-012-9273-6]
32. Tzounis, A., N. Katsoulas, T. Bartzanas and K. Constantinos. 2017. Internet of Things in agriculture: recent advances and future challenges. Biosystems Engineering, 164: 31-48. [DOI:10.1016/j.biosystemseng.2017.09.007]
33. Wang, X. and N. Liu. 2014. The application of internet of things in agricultural means of production supply chain management. Journal of Chemical and Pharmaceutical Research, 6(7): 2304-2310.
34. Wolfert, S., L. Ge, C. Verdouwa and M.J. Bogaardt. 2017. Big data in smart farming: a review. Agricultural Systems, 153: 69-80. [DOI:10.1016/j.agsy.2017.01.023]
35. Yoon, Ch., D. Lim and Ch. Park. 2020. Factors affecting adoption of smart farms: The case of Korea. Computers in Human Behavior, 108(2). [DOI:10.1016/j.chb.2020.106309]
36. Zarei, M., A. Mohammadian and R. Ghasemi. 2016. Internet of Things in industries: a survey for sustainable development. Innovation and Sustainable Development, 10(4): 419-442. [DOI:10.1504/IJISD.2016.079586]
37. Zheng, D. and W. Carter. 2015. Leveraging the Internet of Things for a more efficient and effective military. A Report of the CSIS Strategic Technologies Program.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
