Bioteknolojia ya uzalishaji wa mazao (crop biotechnology), katika utafiti huu, ni eneo la teknolojia ya kilimo linalochunguzwa katika muktadha wa wakulima wadogo wa mahindi kukubali kutumia aina zilizoboreshwa za mahindi, pamoja na aina zilizobadilishwa vinasaba kama Bt na RR na aina zinazotumiwa kwa lengo la kustahimili ukame au magonjwa. Utafiti unategemea mahojiano yaliyopangwa kwa muundo maalumu na wakulima wadogo 350 wa mahindi katika eneo la Eastern Cape, Afrika Kusini, na unatathmini uchaguzi wa aina za mahindi wa wakulima, kiwango chao cha uelewa kuhusu bioteknolojia, vikwazo vya fedha na taarifa, jukumu la huduma za ugani wa kilimo na vigezo vya kijamii na kiuchumi vinavyohusiana na kupitisha teknolojia kwa kutumia takwimu elezi na mfano wa regresi ya multinomial logit.

%76,6 ya washiriki waliripoti kuwa wanafahamu bioteknolojia ya uzalishaji wa mazao, na chanzo pia kilieleza kuwa %96,9 walikuwa wametumia aina fulani ya hatua ya kukabiliana na mabadiliko na utofauti wa tabianchi. Kwa msimu wa sasa au wa mwisho wa upandaji, kiwango cha juu zaidi kiliripotiwa kwa mahindi ya Bt kwa %41,43 na kwa mahindi ya TeGo yanayostahimili ukame kwa %29,57. Tatizo lililoonekana wazi zaidi katika kupitisha bioteknolojia lilikuwa ukosefu wa kutosha wa msaada wa kifedha kwa %92; ukosefu wa taarifa, upatikanaji wa mikopo na upatikanaji wa taarifa za tabianchi pia vilikuwa miongoni mwa vikwazo muhimu.

Mtindo wa multinomial unaonyesha kuwa maamuzi ya kupitisha aina za mahindi yanahusiana na sifa za kijamii na kiuchumi kama umri, elimu, ajira, vyanzo vya mapato na uzoefu wa kilimo. Hata hivyo, utafiti ni wa mkato, snowball sampling ilitumika katika uteuzi wa wakulima binafsi, na chanzo kina baadhi ya kutokulingana katika asilimia, kategoria, jiografia na milinganyo. Utafiti haukupima moja kwa moja mavuno ya aina za kibayoteknolojia katika kiwango cha shamba, hasara kutokana na ukame au utoaji wa gesi chafuzi; kwa hiyo, matokeo yanahusu kupitishwa kwa teknolojia na uchaguzi wa wakulima, na hayathibitishi ni kwa kiwango gani bioteknolojia hupunguza mabadiliko ya tabianchi kimwili.

Bioteknolojia ya Uzalishaji wa Mazao Inamaanisha Nini Katika Utafiti Huu?

Katika utafiti huu, bioteknolojia ya uzalishaji wa mazao inachunguzwa kupitia uchaguzi wa wakulima wadogo wa mahindi wa aina za mahindi zenye sifa tofauti zinazohusiana na wadudu waharibifu, udhibiti wa magugu, ukame au magonjwa, na hasa kuingiza aina zilizobadilishwa vinasaba katika uzalishaji wa kilimo; chanzo kinahusisha wazi mahindi ya Bt na RR na aina za GM, huku kikilinganisha TeGo, CAP/Cap009 na aina za non-GM landrace katika mfumo huo huo wa uchaguzi wa aina.

Tatizo kuu la utafiti

Wazalishaji wadogo katika Eastern Cape wanakabiliwa na halijoto, utofauti wa mvua, ukame na mikazo mingine ya kilimo. Utafiti unaanzia kwenye dhana kwamba aina za mahindi zilizo na ustahimilivu mkubwa zaidi wa hali ya tabianchi au zilizoboreshwa dhidi ya matatizo maalumu ya uzalishaji zinaweza kutumiwa kama chombo cha kukabiliana na hali hizi.

Hata hivyo, kuwepo kwa teknolojia ya mbegu pekee hakuhakikishi kuwa itakubaliwa. Mkulima anahitaji kuijua aina mpya, kumudu gharama ya mbegu, kupata mkopo au vyanzo vingine vya fedha, kupata taarifa za tabianchi zinazoaminika na kupata msaada wa kiufundi kutoka huduma za ugani wa kilimo.

Maeneo matatu yanayoathiri uamuzi wa kupitisha teknolojia

Chanzo kinachunguza kupitishwa kwa teknolojia katika vipengele vitatu vikuu ndani ya mfumo wa fikra za kimfumo. Kipengele cha kwanza ni sifa za mtu binafsi kama umri wa mkulima, elimu, mtazamo wa hatari na kiwango cha maarifa ya kiteknolojia. Kipengele cha pili ni hali za kijamii na kiuchumi kama mapato, mikopo, mtaji na mitandao ya kijamii. Kipengele cha tatu ni mambo ya mazingira ya uzalishaji kama utofauti wa tabianchi, hali ya udongo, shinikizo la wadudu waharibifu, sera na mazingira ya udhibiti.

Ujumbe mkuu wa mbinu hii ni kwamba uchaguzi wa aina ya mahindi hautegemei tu sifa ya kibayolojia ya mbegu. Teknolojia hiyo hiyo inaweza kupatikana kwa viwango tofauti kwa wakulima tofauti kutokana na gharama, taarifa, ukubwa wa ardhi au ufadhili.

Aina za mahindi zilizochunguzwa katika chanzo

Katika Jedwali 1 la chanzo, tahajia “CAP 9001” imetumika, ilhali katika vielelezo inaonekana “Cap009”. Tofauti hii ya majina imehifadhiwa kama kutokulingana ndani ya chanzo.

Tofauti kati ya kukabiliana na tabianchi na kupunguza mabadiliko ya tabianchi

Ingawa kichwa asilia cha makala kina kauli “mitigate climate change”, muundo wa msingi wa ukusanyaji na uchanganuzi wa data wa utafiti haupimi upunguzaji wa gesi chafuzi au mabadiliko ya kimwili ya mfumo wa tabianchi. Utafiti unachunguza hasa mwelekeo wa wakulima kutumia aina zenye ustahimilivu zaidi wanapokabiliwa na utofauti wa tabianchi, ukame, wadudu waharibifu na hatari za uzalishaji.

Kwa hiyo, maudhui ya kisayansi ya utafiti kwa vitendo yako hasa katika muktadha wa kukabiliana na mabadiliko ya tabianchi na ustahimilivu wa kilimo. Tofauti hii ni muhimu ili kutafsiri matokeo kwa usahihi bila kubadilisha kichwa cha chanzo.

Kwa nini ugani wa kilimo ni muhimu?

Huduma za ugani wa kilimo zimetathminiwa kama daraja la taarifa kati ya utafiti na mkulima. %58,9 ya washiriki waliripoti kushiriki katika huduma za ugani. Katika msaada wa kiufundi, chanzo kinaripoti %39,4 kwa uchambuzi wa udongo, %50,9 kwa mafunzo, %29,1 kwa ushauri wa bima ya mazao na %50,9 kwa uwasilishaji wa taarifa za tabianchi.

Hata hivyo, inaelezwa kuwa mfumo wa ugani una matatizo ya uhaba wa watumishi, ukosefu wa kutosha wa msaada maalumu na mawasiliano yasiyo ya mara kwa mara. Chanzo kinatoa kiwango cha mawasiliano yasiyo ya mara kwa mara kuwa %59.

Vikwazo Vikuu vya Kupitisha Bioteknolojia ni Vipi?

Katika utafiti huu, matatizo makuu yanayozuia kupitishwa kwa bioteknolojia na aina mpya za mahindi ni ukosefu wa kutosha wa msaada wa kifedha, ukosefu wa taarifa kuhusu aina mpya, upatikanaji mdogo wa mikopo, kutopata taarifa za tabianchi na mapengo katika huduma za ugani wa kilimo; kiwango cha juu zaidi, %92, kiliripotiwa kwa ukosefu wa kutosha wa msaada wa kifedha.

Gharama ya mbegu za GM na uwezo wa kulipa

%59,14 ya washiriki waliripoti kutokuwa na tatizo la kulipia mbegu za GM, %19,14 waliripoti kuwa mbegu hizo hazikuwa nafuu kwao, na %2 walikuwa hawajaamua kuhusu utayari wa kulipa.

Kwa kuwa viwango hivi vitatu havikamilishi sampuli nzima, chanzo hakielezi washiriki waliobaki walikuwa katika kategoria gani. Kwa hiyo Verianla haikukokotoa asilimia mpya.

Kwa washiriki waliotajwa kuwa walinunua mbegu za mahindi za GM hapo awali au katika msimu wa sasa, chanzo kinaripoti %40 mkopo, %60 akiba binafsi, %17,71 msaada wa serikali na %12,51 mbinu nyingine za ufadhili. Ingawa kuzidi %100 kwa jumla kunaweza kuashiria kuwa zaidi ya chanzo kimoja cha fedha kilitumika, chanzo hakisemi wazi kama muundo wa swali uliruhusu majibu mengi.

Aina za sasa za mahindi

Mahindi ya Bt yanaonyesha kiwango cha juu zaidi. Hata hivyo, ingawa Kielelezo 1 ni chati ya duara, jumla ya viwango vitano inazidi %100. Kwa sababu chanzo hakielezi ikiwa hii ni matokeo ya kuzungusha namba, majibu mengi au uchakataji mwingine wa data, thamani hizi hazipaswi kutafsiriwa kama “sehemu ya soko” au mgawanyo kamili wa kategoria zinazotengana.

Aina zilizotumika katika misimu iliyopita ya upandaji

Viwango hivi pia vinazidi %100 kwa jumla. Kwa kuwa kauli “misimu iliyopita ya upandaji” inaweza kuruhusu mkulima yuleyule kutumia aina zaidi ya moja katika vipindi tofauti, hali hii kinadharia inaweza kuendana na historia ya matumizi mengi. Hata hivyo, kwa kuwa chanzo hakitoi maelezo ya wazi ya majibu mengi, haijadhaniwa kuwa viwango hivi ni kategoria zinazotengana.

Mbinu na Matokeo ya Utafiti

Muundo wa utafiti

Utafiti ni dodoso la kiasi la nyanjani. Data zilikusanywa kupitia mahojiano/fomu ya maswali iliyopangwa, zikawekwa msimbo katika Microsoft Excel na kuchanganuliwa kwa kutumia takwimu elezi na mfano wa regresi ya multinomial logit.

Ukubwa wa sampuli

Chanzo kinakokotoa ukubwa wa sampuli kwa fomula ifuatayo:

\[ n=\frac{N}{1+N(e^2)} \]

Fomula ilitumika kukokotoa ukubwa lengwa wa sampuli kwa idadi fulani ya watu lengwa na kiwango cha hitilafu.

\(n\) inawakilisha ukubwa lengwa wa sampuli; \(N\) inawakilisha idadi ya wazalishaji wadogo wa mahindi wa Eastern Cape iliyotolewa katika chanzo kuwa 596.573; na \(e\) inawakilisha kiwango cha hitilafu kilichochukuliwa kuwa 0,05. Kwa thamani hizi, chanzo kinaweka ukubwa wa sampuli unaohitajika kuwa takribani 400.

Kwa sababu ya kikwazo cha bajeti, idadi halisi ya mahojiano ilibaki 350. Kwa hiyo, haipaswi kudhaniwa kwamba lengo la usahihi lililotolewa kwa muundo wa watu 400 lilifikiwa kwa kiwango kilekile katika sampuli ya mwisho ya watu 350.

Mnyororo wa sampuli

Chanzo kinaita utafiti huu “multi-stage sampling”. district za Alfred Nzo na Amathole zililengwa hasa, kisha uteuzi wa nasibu ulifanywa katika kiwango cha local municipality, na snowball sampling ilitumiwa kuwafikia wazalishaji binafsi wa mahindi.

Snowball sampling ni mbinu ya sampuli ya marejeo inayowezesha kufikia washiriki wapya kupitia washiriki au mawasiliano yaliyopo. Kwa kuwa hatua hii ya mwisho si uteuzi kamili wa nasibu unaotegemea uwezekano, haiwezi kusemwa kwamba mawazo yote ya kawaida ya sampuli ya uwezekano katika fomula ya ukubwa wa sampuli yalitimia kwa sampuli ya mwisho.

Kutokulingana kwa sampuli ya kijiografia katika chanzo

Abstract inasema wakulima 350 walitoka katika district municipality tatu. Mbinu inataja district mbili tu, Alfred Nzo na Amathole, na inaeleza kuwa local municipality mbili zilichaguliwa kutoka district hizo. Aya hiyo hiyo baadaye inaandika kuwa washiriki waligawanywa kwa usawa kati ya district municipality tatu zilizochaguliwa. Kwa kuwa jina la district ya tatu halikutolewa, Verianla haikujaza taarifa iliyokosekana kutoka nje.

Mtindo wa Multinomial Logit Unachanganua Nini Katika Utafiti Huu?

Mtindo wa multinomial logit ulitumika kutathmini jinsi uwezekano wa mkulima kuwa katika mojawapo ya aina kadhaa za kawaida za mahindi au kategoria za kupitisha teknolojia unavyohusiana na vigezo elezi kama umri, elimu, ukubwa wa ardhi, mapato, ajira na uzoefu wa kilimo; vigawo vya mtindo vinaonyesha mahusiano ya uchunguzi na havithibitishi usababisho peke yake.

Vigezo tegemezi na huru

Jedwali 1 la chanzo linafafanua kigezo tegemezi kuwa aina ya mahindi iliyopitishwa na kuorodhesha Bt, RR, Drought-TEGO, CAP 9001 na aina za non-GM/landrace.

Vigezo huru vinajumuisha umri wa mkulima, kiwango cha elimu, hali ya ndoa, ukubwa wa kaya, ukubwa wa ardhi, jinsia, lengo la kilimo, chanzo cha mtaji, miaka ya kilimo, mapato ya kila mwezi ya kaya, mbinu ya kilimo, hali ya ajira na vyanzo vingine vya mapato.

Tatizo la chanzo kuhusu mlinganyo wa MNL

Chanzo kinajadili kwa dhana uwezekano wa uchaguzi wa masharti katika umbo la \(P(Y=j\mid x)\); hapa \(Y\) inawakilisha kategoria ya kupitisha teknolojia, \(j\) kategoria mbadala na \(x\) seti ya vigezo elezi.

Hata hivyo, mlinganyo kamili wa multinomial logit uliochapishwa baadaye katika PDF ya chanzo haueleweki kihisabati katika namna ya kuonyesha uwezekano wa masharti, kuonekana mara mbili kwa kauli exp, uwekaji wa kiungo cha jumla na uwekaji wa kiungo cha hitilafu. Verianla haikudhani ni kosa gani la upangaji maandishi ambalo chanzo kilikusudia na kisha kuweka mlinganyo wa kawaida wa MNL kana kwamba ulikuwapo katika chanzo.

Kanuni ya tafsiri iliyoelezwa wazi na chanzo inaweza kuhifadhiwa: ishara ya vigezo vya regresi hutoa taarifa kuhusu mwelekeo wa uhusiano kati ya kigezo elezi husika na uchaguzi wa kategoria; lakini vigawo havipaswi kusomwa moja kwa moja kama mabadiliko rahisi ya uwezekano.

Ulinganifu wa mtindo

Chanzo kinatafsiri thamani hizi kuwa zinaonyesha kwamba mtindo wa mwisho ni bora kuliko mtindo wenye kiingilio pekee na kwamba mtindo una nguvu muhimu lakini yenye ukomo ya kueleza. Thamani za Pseudo-\(R^2\) hazipaswi kusomwa kwa namna sawa na \(R^2\) ya kawaida katika regresi ya mstari.

Vigezo vilivyopatikana kuwa muhimu kwa ujumla

Kiwango cha elimu

Elimu ilijitokeza kwa mojawapo ya thamani za juu zaidi za Chi-Square katika uchanganuzi wa likelihood-ratio. Chanzo kinaripoti kigawo cha elimu kwa “category 2” kuwa \(B=1,610\), \(p<0,001\) na \(Exp(B)=5,001\), na kinahusisha elimu ya juu zaidi na uwezekano mkubwa zaidi wa kupitisha teknolojia.

Hata hivyo, kwa kuwa chanzo hakilinganishi wazi lebo ya “category 2” na aina maalumu ya mahindi katika sehemu hii, Verianla haihusishi thamani hii ya 5,001 na jina la aina yoyote.

Umri

Chanzo kinaeleza kuwa vigawo vya umri kwa ujumla ni hasi katika kategoria za kupitisha teknolojia. Kwa Category 2, \(B=-0,066\) na \(p=0,003\) ziliripotiwa; waandishi walihusisha matokeo haya na wazalishaji vijana kuwa tayari zaidi kukubali aina mpya za mahindi.

Hali ya ajira

Kwa Category 0, kigawo cha ajira kilitolewa kuwa \(B=0,676\), \(p=0,034\). Chanzo kinatafsiri hili kwa kusema kwamba usalama wa kiuchumi unaotokana na ajira ya kawaida unaweza kurahisisha uwekezaji katika mbegu mpya.

Ukubwa wa shamba

Kwa Category 3, ukubwa wa shamba uliripotiwa kuwa chanya kwa \(B=0,385\), \(p=0,011\). Chanzo kinapendekeza kuwa mashamba makubwa yanaweza kuwa na faida zaidi katika kumudu gharama za awali za teknolojia mpya za mbegu.

Mapato

Katika vipimo vya likelihood-ratio, mapato ya kila mwezi ni muhimu kwa \(p=0,013\), na chanzo kingine cha mapato kwa \(p=0,033\). Hata hivyo, kwa category 3, kigawo cha mapato ya kila mwezi kiliripotiwa kuwa \(-0,594\), \(p=0,020\). Matokeo haya yanaonyesha kwamba muhtasari wa “income has a positive influence” katika abstract si wa mwelekeo mmoja katika kategoria zote.

Uzoefu wa kilimo

Uzoefu wa kilimo ni muhimu katika kipimo cha jumla cha likelihood-ratio kwa \(p=0,020\). Kwa Category 1, \(B=-0,068\), \(p=0,008\) ziliripotiwa. Waandishi wanatafsiri hili kwa kusema kwamba wazalishaji wenye uzoefu mdogo wanaweza kuwa wepesi zaidi kukubali mbinu mpya.

Mbinu ya kilimo

Kwa Category 3, kigawo cha mbinu ya kilimo kilitolewa kuwa \(B=-1,152\), \(p=0,077\). Thamani hii si muhimu kitakwimu katika kiwango cha %5; chanzo pia kinakubali kwamba athari si muhimu katika kategoria zote.

Kutokulingana katika muundo wa kategoria

Katika sehemu moja, maandishi ya mbinu yanasema mikakati ya kukabiliana itagawanywa katika kategoria tatu, wakati Jedwali 1 linafafanua aina tano za mahindi na sehemu ya matokeo inazungumzia kategoria nne za vigawo kama category 0-3. Muundo huu unaweza kuendana na kuachwa nje kwa kategoria moja ya marejeo katika mtindo wenye kategoria tano; lakini kwa kuwa chanzo hakisemi wazi ni namba gani inalingana na aina gani ya mahindi, Verianla haijafanya ulinganishaji huu.

Je, Utafiti Huu Unathibitisha Kuwa Bioteknolojia Inapunguza Mabadiliko ya Tabianchi?

Hapana. Utafiti unapima tabia za wakulima katika uchaguzi wa aina za mahindi na kupitisha bioteknolojia, vikwazo wanavyovitambua na mahusiano ya kijamii na kiuchumi; haupimi utoaji wa gesi chafuzi, hasara ya ukame katika kiwango cha shamba, ongezeko la mavuno au athari ya majaribio inayothibitisha kwamba bioteknolojia inapunguza ukubwa wa kimwili wa mabadiliko ya tabianchi.

Kwa hiyo, tafsiri salama zaidi ya matokeo ni kwamba baadhi ya aina zilizoboreshwa au za GM za mahindi zimepitishwa na wazalishaji katika Eastern Cape kama chombo kinachowezekana cha kukabiliana na hatari za tabianchi na uzalishaji, na kwamba kupitishwa huku kunahusiana na hali za kifedha, taarifa na kijamii na kiuchumi.

Matokeo yanayoungwa mkono na utafiti

Chanzo kinaunga mkono kwamba miongoni mwa wazalishaji 350 waliochunguzwa, aina za mahindi za Bt na zinazostahimili ukame ziliripotiwa kwa kiwango kikubwa, uelewa kuhusu bioteknolojia ulikuwa %76,6, na ukosefu wa msaada wa kifedha pamoja na upatikanaji wa taarifa vilikuwa matatizo muhimu katika kupitisha teknolojia.

Matokeo ya mtindo yanaunga mkono kuwepo kwa mahusiano ya kitakwimu kati ya sifa kama umri, elimu, ajira, muundo wa mapato na uzoefu wa kilimo na uchaguzi wa aina ya mahindi.

Chanzo pia kinaonyesha kwamba ugani wa kilimo, mafunzo, taarifa za tabianchi na upatikanaji wa fedha ni sehemu muhimu za mazingira ya kupitisha teknolojia.

Matokeo ambayo utafiti hauungi mkono

Utafiti haupimi aina fulani ya mahindi inaongeza mavuno kwa kiasi gani. Hauonyeshi kwamba mahindi ya Bt au TeGo yalizuia kiasi fulani cha hasara ya mazao katika sampuli hii. Hauthibitishi kwamba aina za GM zinaongeza mapato ya mkulima kwa asilimia fulani.

Kwa kuwa utafiti haukupima utoaji wa gesi chafuzi, haiwezekani kuhitimisha kwamba bioteknolojia “inapunguza” mabadiliko ya tabianchi kwa kiasi fulani.

Matokeo ya sampuli ya watu 350 iliyotumia snowball sampling hayawezi kujumlishwa moja kwa moja kwa wazalishaji wote wa mahindi wa Eastern Cape au kwa nchi nyingine.

Mapendekezo ya chanzo

Waandishi wanapendekeza kuboresha upatikanaji wa mikopo, kuongeza programu lengwa za mafunzo kwa wakulima na kuimarisha mifumo ya usambazaji wa taarifa.

Inapendekezwa kwamba huduma za ugani wa kilimo zieleze vizuri zaidi sifa za GM na aina nyingine zinazostahimili tabianchi, zitoe msaada wa kiufundi na kuhakikisha taarifa za tabianchi zinawafikia wakulima mara kwa mara.

Chanzo pia kinahoji kwamba kufanya msaada wa kifedha na motisha za serikali kuwa thabiti zaidi kunaweza kurahisisha upatikanaji wa teknolojia kwa wakulima wadogo walio katika hali dhaifu zaidi kiuchumi.

Maelezo ya Chanzo na Mbinu

Kichwa asilia: Factors Influencing Farmers' Adoption of Crop Biotechnology to Mitigate Climate Change: Case of Eastern Cape, South Africa

Waandishi: N. Wawa; E.M. Zwane; V.M. Mmbengwa.

Corresponding author: N. Wawa.

Taasisi: University of Limpopo; Centre for Rural Community Empowerment (CRCE), Department of Agricultural Economics and Animal Production, Faculty of Science and Agriculture.

N. Wawa: PhD candidate; ORCID 0000-0001-5496-6976.

E.M. Zwane: Professor, Agricultural Extension; ORCID 0000-0002-5933-2910.

V.M. Mmbengwa: Professor in Agricultural Economics; ORCID 0000-0003-3491-0785.

Jarida: South African Journal of Agricultural Extension (SAJAE).

Mchapishaji: South African Society for Agricultural Extension (SASAE).

Juzuu / toleo / kurasa: 54(1), 224-247.

Tarehe ya uchapishaji: 23 Februari 2026.

DOI: 10.17159/2413-3221/2026/v54n1a21241.

Aina ya chanzo: Makala ya utafiti wa kisayansi iliyopitiwa na rika.

Mapitio ya rika: Sera ya jarida inaeleza kuwa mapitio ya rika ya upofu wa pande mbili kwa wakaguzi watatu huru hutumika.

Leseni: Creative Commons Attribution 4.0 International (CC BY 4.0).

Muundo wa utafiti: Dodoso la kiasi la mkato la wakulima.

Idadi lengwa iliyotolewa katika chanzo: Wazalishaji wadogo 596.573 wa mahindi.

Sampuli iliyopangwa: 400.

Sampuli iliyotekelezwa: 350.

Usampulishaji: Mchakato unaoelezwa na chanzo kama multi-stage sampling; uteuzi wa district, uteuzi wa local municipality na snowball sampling kwa wazalishaji binafsi.

Ukusanyaji wa data: Mahojiano/fomu ya maswali iliyopangwa.

Uingizaji wa data: Microsoft Excel.

Uchanganuzi: Takwimu elezi na regresi ya multinomial logit.

Hiari na usiri: Chanzo kinaeleza kuwa washiriki walijulishwa kuhusu malengo ya utafiti na usiri na kwamba ushiriki wa hiari ulihakikishwa.

Kamati ya maadili: PDF iliyotolewa haina taarifa tofauti ya kamati ya maadili au nambari ya itifaki.

Ufadhili: PDF iliyotolewa haina taarifa tofauti ya ufadhili.

Mgongano wa maslahi: PDF iliyotolewa haina taarifa tofauti ya mgongano wa maslahi.

Upatikanaji wa data: PDF iliyotolewa haina taarifa tofauti ya upatikanaji wa data.

CRediT/michango ya waandishi: PDF iliyotolewa haina taarifa tofauti ya michango ya waandishi.

Shukrani: N. Wawa anawashukuru washauri wake E.M. Zwane na V.M. Mmbengwa kwa usimamizi na mrejesho wao katika utafiti.

Kutokulingana muhimu kwa taarifa ndani ya chanzo

Abstract inataja district municipality tatu, ilhali mbinu inataja district mbili tu, Alfred Nzo na Amathole; baadaye, licha ya kusema local municipality mbili zilichaguliwa, inaandika kuwa washiriki waligawanywa kwa usawa katika district municipality tatu.

Katika Kielelezo 1, asilimia za aina za sasa za mahindi zinafikia jumla ya %102,42. Kwa kuwa grafu ni chati ya duara, ikiwa thamani hizi zitachukuliwa kuwa kategoria zinazotengana, kunatokea kutokulingana kwa kihisabati. Chanzo hakitoi maelezo ya majibu mengi.

Katika Kielelezo 2, asilimia za aina katika misimu iliyopita ya upandaji zinazidi %100. Ingawa inawezekana kwamba zaidi ya aina moja ilitumika katika vipindi vilivyopita, chanzo hakielezi hili kama muundo wa wazi wa majibu mengi.

Viwango vya %59,14, %19,14 na %2 vilivyotolewa kwa utayari wa kulipia mbegu za GM havikamilishi sampuli nzima.

Kwa ufadhili wa mbegu, %40 mkopo, %60 akiba binafsi, %17,71 msaada wa serikali na %12,51 aina nyingine za ufadhili zimeripotiwa; jumla ya viwango hivi inazidi %100 na haielezwi kama kulikuwa na uchaguzi wa majibu mengi.

Katika Kielelezo 3, upatikanaji wa mikopo umetolewa kuwa %23,43 “ndiyo” na %59,43 “hapana”; kategoria ya sehemu iliyobaki ya sampuli haijaonyeshwa.

Jedwali 1 la chanzo linafafanua kategoria tano za aina za mahindi, wakati maandishi ya mbinu yanasema mikakati ya kukabiliana itagawanywa katika kategoria tatu. Haijulikani namba za category 0-3 zilizotumika katika matokeo zinalingana na aina zipi za mahindi.

Jedwali 1 linatumia jina “CAP 9001 maize”, huku Kielelezo 1 na Kielelezo 2 vikiandika “Cap009 maize”.

Abstract inafupisha mapato na ukubwa wa shamba kama sababu chanya za kupitisha teknolojia, wakati katika matokeo ya kina kigawo cha mapato ya kila mwezi kwa category 3 kimeripotiwa kuwa hasi. Kwa hiyo, haipaswi kudhaniwa kuwa athari ya mapato ina mwelekeo uleule katika kategoria zote.

Mlinganyo wa multinomial logit katika PDF haueleweki katika upangaji wa kihisabati na notasheni. Verianla haikufanya marekebisho ya kimya kwa kuweka fomula ya kawaida ya MNL badala ya fomula ya chanzo.

Mapungufu makuu ya kimetodolojia

Utafiti ni wa mkato; wakulima wale wale hawakufuatiliwa kwa muda. Mahusiano kati ya uchaguzi wa aina na vigezo vya kijamii na kiuchumi hayathibitishi usababisho.

Kupatikana kwa washiriki binafsi kupitia snowball sampling kunazuia sampuli ya mwisho kutathminiwa kama sampuli kamili ya nasibu inayotegemea uwezekano.

Ingawa sampuli lengwa ilikuwa 400, sampuli halisi ni 350. Chanzo hakikokotoi kiwango kipya cha hitilafu au usahihi wa usampulishaji kwa sampuli iliyotekelezwa.

Utafiti haupimi moja kwa moja mavuno halisi ya shambani ya aina za mbegu, hasara ya ukame, mabadiliko katika matumizi ya viuatilifu/viua magugu, mabadiliko ya kisababishi katika mapato ya mkulima au utoaji wa gesi chafuzi.

Kwa kuwa chanzo kina matatizo ya utoaji taarifa katika maeneo kama jumla za asilimia, majina ya kategoria, ufafanuzi wa sampuli ya kijiografia na mlinganyo wa MNL, tahadhari maalumu inahitajika katika matumizi ya pili ya matokeo ya kina ya kiasi.