Organik tarım uygulamalarını benimseme, bu çalışmada sebze çiftçilerinin kompost, hayvan gübresi, yeşil gübre, malçlama, kül/sabun temelli biyopestisit ve ürün rotasyonu gibi altı uygulamadan birini veya daha fazlasını kullanmasıyla incelenen bir tarımsal teknoloji benimseme davranışıdır. Araştırma, Nijerya'nın Enugu State bölgesindeki beş Local Government Area içinde 25 topluluktan seçilen 200 sebze çiftçisine uygulanan yapılandırılmış anketi kullanmıştır. Farkındalık ve Adoption Intensity Index tanımlayıcı istatistiklerle; en az bir organik uygulamayı benimseme kararı Binary Logit modeliyle; altı ayrı uygulamanın birlikte seçilme örüntüleri ise Multivariate Probit (MVP) modeliyle değerlendirilmiştir. Çalışma eğitim, çiftlik büyüklüğü, kooperatif üyeliği ve extension contact gibi değişkenleri önemli benimseme belirleyicileri olarak raporlamaktadır. Ancak kaynak tablolarında farkındalık yüzdesi, ortalama AII, Binary Logit katsayıları ve odds ratio'lar arasında önemli iç tutarsızlıklar bulunduğu için nicel etki büyüklükleri dikkatle yorumlanmalıdır.

Araştırmanın örneklemi çok aşamalı biçimde oluşturulmuştur. Nsukka, Nkanu-East, Udi, Ezeagu ve Awgu adlı beş Local Government Area sebze üretiminin önemine göre purposive olarak seçilmiştir. Her LGA'dan yine purposive yöntemle beş topluluk seçilmiş ve böylece 25 topluluk belirlenmiştir. Son aşamada her topluluktan sekiz sebze çiftçisi simple random sampling ile seçilerek toplam 200 respondent elde edilmiştir.

Kaynak farkındalığı %78 olarak tanımlasa da Table 1'de High kategorisi %48 ve Very High kategorisi %28'dir; bu iki kategori birlikte %76 etmektedir. Adoption Intensity Index için kaynak ortalamayı %54,2 olarak vermektedir. Buna karşılık Table 2'de yayımlanan 0–6 uygulama dağılımı kullanılarak yapılan doğrudan aritmetik kontrol yaklaşık %42,33'lük ağırlıklı ortalama vermektedir. Ham veri bulunmadığından hangi değerin araştırmacıların asıl hesaplamasını temsil ettiği Verianla tarafından varsayılmamaktadır.

Çalışmanın sonuçları gözlemsel ve kesitseldir. Eğitim, çiftlik büyüklüğü, kooperatif üyeliği veya extension contact ile organik uygulama benimsemesi arasında raporlanan ilişkiler nedensel etki kanıtı değildir. Ayrıca ilk iki örnekleme aşamasının purposive olması nedeniyle sonuçlar Enugu State'teki bütün sebze çiftçilerine tam olasılıklı bir eyalet örnekleminin verdiği güçle genellenmemelidir.

Araştırmanın temel problemi nedir?

Çalışma, Enugu State'teki sebze yetiştiricilerinin organik üretim yöntemlerini ne ölçüde bildiğini, bu yöntemlerden kaçını uyguladığını ve çiftçi ile kurum özelliklerinin benimseme kararlarıyla nasıl ilişkili olduğunu incelemektedir.

Kaynak organik tarım bağlamında kompostlama, crop rotation, green manure ve biological pest control gibi uygulamaları; sentetik gübre ve pestisit kullanımının azaltılması veya dışlanmasıyla ilişkili sürdürülebilir üretim seçenekleri olarak ele almaktadır.

Araştırmacıların belirlediği literatür boşluğu, Enugu State özelinde sebze çiftçilerinin hem genel benimseme kararını hem de farklı organik uygulamaları birlikte seçme davranışını aynı çalışma içinde ayrıntılı değerlendiren ampirik kanıtın sınırlı olmasıdır.

Araştırmanın dört temel hedefi vardır: organik tarım farkındalığını değerlendirmek, benimseme yoğunluğunu ölçmek, genel benimseme kararını şekillendiren değişkenleri belirlemek ve belirli organik uygulamaların seçimini etkileyen faktörleri incelemek.

Çalışma nerede ve kimlerle yapıldı?

Araştırma Enugu State, Nigeria'da yürütülmüştür. Kaynak bölgenin 5°56'–7°36' kuzey enlemleri ve 6°53'–7°55' doğu boylamları arasında bulunduğunu; 13.161 km² yüzölçümüne ve km² başına 615 kişi nüfus yoğunluğuna sahip olduğunu aktarmaktadır.

Çalışmada sebze üretiminde domates, biber, fluted pumpkin (Telfairia occidentalis), okra (Abelmoschus esculentus), amaranthus ve spinach gibi ürünlerden söz edilmektedir.

Örneklem nasıl oluşturuldu?

Örnekleme üç ana karar aşamasından oluşmuştur.

1. Nskukka, Nkanu-East, Udi, Ezeagu ve Awgu olmak üzere beş LGA, sebze üretimindeki önemleri ve hem organik hem conventional vegetable farmers bulunması nedeniyle purposive seçilmiştir.
2. Her LGA'dan beş topluluk purposive seçilmiş ve toplam 25 community oluşturulmuştur.
3. Her community içinden sekiz sebze çiftçisi simple random sampling ile seçilmiş ve 25 × 8 = 200 respondent elde edilmiştir.

Farkındalık düzeyi nasıl sınıflandırıldı?

Kaynak metni ve abstract farkındalığı %78 olarak tanımlamaktadır. Ancak yayımlanan Table 1'de High + Very High:

\[ 48\%+28\%=76\% \]

etmektedir. Ham awareness scores verilmediğinden %78 ile %76 arasındaki farkın nedeni belirlenememektedir.

Ayrıca kaynak, awareness score'un kaç soru veya maddeden oluşturulduğunu, Likert maddelerinin nasıl puanlandığını ve 0–100 ölçeğine nasıl dönüştürüldüğünü yöntem bölümünde ayrıntılı olarak raporlamamaktadır. Bu nedenle farkındalık ölçümünün tam olarak yeniden üretilmesi mümkün değildir.

Adoption Intensity Index (AII) Bu Çalışmada Neyi Ölçüyor?

Adoption Intensity Index, çiftçinin çalışmada izlenen altı organik tarım uygulamasından kaçını benimsediğini 0 ile 1 arasında ifade eden yoğunluk göstergesidir; Table 2'nin yayımlanan değer yapısı 0/6 için 0,000, 3/6 için 0,500 ve 6/6 için 1,000 gibi oranlara karşılık gelmektedir, ancak kaynak yöntem bölümünde AII için ayrı bir matematiksel denklem vermemektedir.

Çalışmada altı uygulama şunlardır:

• Compost use,
• Animal manure,
• Green manure,
• Mulching,
• Ash/soap biopesticide,
• Crop rotation.

En büyük grup %24 ile üç uygulama benimseyen çiftçilerdir.

En az üç uygulama kullananların oranı:

\[ 24+18+6+4=52\% \]

olmaktadır. Bu değer kaynak metniyle uyumludur.

Altı uygulamanın tamamını kullananların oranı %4, hiçbirini kullanmayanların oranı %12'dir.

Burada “altı uygulamanın tamamını kullanma” çalışma içindeki AII ölçeğinde tam benimsemedir. Bu sonuç uluslararası bir organik sertifika standardının bütün şartlarını karşılama veya çiftliğin resmî olarak sertifikalı organik işletme olmasıyla aynı şey değildir.

Kaynakta bildirilen %54,2 ortalama AII tablodan elde ediliyor mu?

Kaynak Table 2 altında:

Mean AII = 54,2% (Moderate)

yazmaktadır.

Ancak yayımlanan dağılım yüzdeleriyle yapılan bir aritmetik consistency check:

\[ \overline{AII} = 0(0.12) +\frac{1}{6}(0.16) +\frac{2}{6}(0.20) +\frac{3}{6}(0.24) +\frac{4}{6}(0.18) +\frac{5}{6}(0.06) +1(0.04) \]

\[ \overline{AII}\approx0.4233=42.33\% \]

vermektedir.

Bu hesap yeni bir araştırma sonucu değildir. Yalnız yayımlanan Table 2 değerlerinin birbirleriyle aritmetik uyumunun kontrolüdür. Ham respondent-level veri bulunmadığı için kaynakta bildirilen %54,2 ile Table 2 dağılımından hesaplanan yaklaşık %42,33 arasındaki farkın nedeni belirlenememektedir.

Binary Logit Katsayısı ve Odds Ratio Nasıl Yorumlanmalı?

Binary Logit modeli, çiftçinin organik uygulama benimseyen veya benimsemeyen iki kategoriden hangisinde bulunmasıyla açıklayıcı değişkenler arasındaki ilişkiyi log-odds ölçeğinde modeller; standart logit modelde bir katsayının üstel değeri \(e^\beta\) ilgili değişkendeki bir birimlik artışa karşılık gelen odds ratio'yu verir, ancak bu çalışmanın Table 3'ündeki birçok yayımlanmış katsayı ve odds ratio çifti bu matematiksel ilişkiyle uyuşmamaktadır.

Kaynak Denklem (1)

PDF'de Denklem (1) şu şekilde basılmıştır:

\[ Ln= \beta_0+\beta_1X_1+\beta_2X_2+\beta_3X_3+\beta_4X_4+\beta_5X_5+\beta_6X_6+\beta_7X_7+\beta_8X_8+\beta_9X_9 \tag{1} \]

Kaynak hemen ardından \(P_i\)'yi çiftçinin adopter olma olasılığı, \(1-P_i\)'yi non-adopter olma olasılığı olarak tanımlamaktadır. Ancak yayımlanan formülde “Ln” operatörünün hangi büyüklüğün logaritmasını aldığı görünmemektedir.

Çalışmanın yeni bulgusu değil, standart Binary Logit yapısını öğretmek için kavramsal açıklama:

\[ \ln\left(\frac{P_i}{1-P_i}\right) = \beta_0+\beta_1X_{1i}+\cdots+\beta_9X_{9i} \]

Standart logit modelinde sol taraf log-odds'tur.

\(P_i\), adoption probability;

\(1-P_i\), non-adoption probability;

\(\beta_0\), intercept;

\(\beta_1,\ldots,\beta_9\), explanatory-variable coefficients'dır.

Modeldeki dokuz açıklayıcı değişken

Dependent variable:

\[ Y= \begin{cases} 1,& \text{organik tarım uygulaması benimsenmişse}\\ 0,& \text{aksi durumda} \end{cases} \]

Kaynak Denklem (2) neden dikkat gerektiriyor?

PDF Denklem (2)'yi:

\[ Odd\ ratio=P(Y_i=1) \tag{2} \]

şeklinde basmaktadır.

Probability ile odds aynı şey değildir.

Çalışmanın bulgusu değil, kavramsal açıklama:

\[ Odds=\frac{P(Y=1)}{1-P(Y=1)} \]

ve standart Binary Logit katsayısı için:

\[ OR=e^\beta \]

ilişkisi kullanılır.

Kaynak prose da katsayıların exponentiate edilerek odds ratio elde edildiğini belirtmektedir. Bu nedenle Equation (2)'nin basılı hali kaynak içi matematiksel tutarsızlıktır.

Table 3: Kaynak tarafından raporlanan Binary Logit sonuçları

* Kaynak Table 3 dipnotu: P ≤ 0,05.

Bu tablodaki son sütun kaynakta yayımlanan ayrı bir sonuç değildir. Kaynağın kendi “coefficients were exponentiated to obtain odds ratios” ifadesinin matematiksel consistency check'idir.

Education satırı neredeyse tam uyumludur:

\[ e^{1.056}\approx2.875 \]

ve kaynak OR=2,87 vermektedir.

Farm size satırı da yaklaşık uyumludur:

\[ e^{1.166}\approx3.209 \]

kaynak OR=3,17 raporlamaktadır.

Buna karşılık Extension Contacts için:

\[ e^{0.629}\approx1.876 \]

iken Table 3 OR=5,46 vermektedir.

Access to Credit için:

\[ e^{1.463}\approx4.319 \]

iken Table 3 OR=1,71 vermektedir.

Sex, Age, Household Size ve Farming Experience satırlarında da yayımlanan OR değerleri katsayıların exponentiation'ıyla uyuşmamaktadır.

Z değerleri açısından Education, Farm Size ve Cooperative Membership gibi bazı satırlarda:

\[ Z\approx\frac{\beta}{SE} \]

ilişkisi yayımlanan Z değerleriyle uyumludur. Access to Credit ve Extension Contacts satırlarında ise katsayı, standard error ve Z birlikte tutarlı değildir.

Bu nedenle kaynak Table 3'teki katsayı, OR ve Z sütunlarından hangisinin her satır için asıl model çıktısı olduğunu ham statistical output olmadan kesinleştirmek mümkün değildir.

Binary Logit modelinin genel uyum değerleri

Kaynak:

\[ LR\ \chi^2(9)=105.18 \]

\[ Prob>\chi^2=0.0000 \]

\[ Pseudo\ R^2=0.381 \]

ve:

\[ Log\ likelihood=-85.432 \]

raporlamaktadır.

LR χ² testi modeldeki açıklayıcı değişkenlerin birlikte yalnız intercept içeren modele kıyasla model uyumunu iyileştirip iyileştirmediğini değerlendirir. Kaynak değeri genel model anlamlılığına işaret etmektedir.

Pseudo R² = 0,381, ordinary least-squares R² ile aynı biçimde “varyansın %38,1'i açıklandı” diye okunmamalıdır. Logit modellerindeki pseudo-R², model uyumuna ilişkin farklı ölçekli bir göstergedir.

Multivariate Probit Neden Kullanıldı?

Multivariate Probit modeli, bir çiftçinin birden fazla organik uygulamayı aynı anda seçebilmesini ve bu ikili seçimlerin gözlenmeyen belirleyicilerinin birbirleriyle korelasyon gösterebilmesini aynı sistem içinde modellemek için kullanılmıştır; ancak çalışma covariance matrix \(\Sigma\)'nın tahmini korelasyon katsayılarını yayımlamadığından uygulamalar arasındaki gözlenmeyen bağımlılığın büyüklüğü doğrudan değerlendirilememektedir.

PDF'deki Denklem (3)

Yüklenen PDF'de Equation (3)'ün ana değişken sembolleri görünür biçimde kaybolmuş ve formül yalnız parçalı şekilde render edilmiştir. Kaynak hemen altındaki açıklamada latent variable, explanatory-variable vector, parameter vector ve multivariate-normal error terms tanımlamaktadır.

Kaynak prose'daki tanımları öğretici biçimde bir araya getiren kavramsal gösterim; PDF'nin bozuk Denklem (3)'ünün birebir düzeltilmiş hali olduğu iddia edilmemektedir:

\[ Y^*_{ij}=X_i'\beta_j+\varepsilon_{ij} \]

\[ Y_{ij}= \begin{cases} 1,&Y^*_{ij}>0\\ 0,&\text{aksi durumda} \end{cases} \]

\[ \varepsilon_i\sim MVN(0,\Sigma) \]

\(Y^*_{ij}\), farmer \(i\)'nin practice \(j\)'yi benimsemeye yönelik gözlenemeyen latent propensity'sidir.

\(X_i\), açıklayıcı değişkenler vektörüdür.

\(\beta_j\), practice \(j\) için katsayı vektörüdür.

\(\varepsilon_{ij}\), gözlenmeyen etkileri temsil eden hata terimidir.

\(\Sigma\), farklı organik uygulamaları benimseme kararlarının hata terimleri arasındaki covariance yapısını temsil eder.

Probit katsayısı doğrudan yüzde değişim midir?

Hayır. Table 4'teki MVP coefficients doğrudan percentage-point probability changes değildir. Probit katsayısı, explanatory variable ile latent propensity index arasındaki yön ve ölçek ilişkisini gösterir.

Örneğin Crop Rotation için Farm Size coefficient = 1,765'tir. Kaynak prose bunu “1-unit increase in farm size is associated with a 1.765-unit increase in crop rotation” biçiminde anlatmaktadır. Daha teknik yorum, farm size'daki bir birim artışın diğer koşullar sabitken crop-rotation latent propensity index'inde pozitif 1,765 katsayıyla ilişkili olduğudur.

Probability'deki kesin değişimi söylemek için marginal effects gerekir. Kaynak MVP için marginal effects raporlamamaktadır.

Table 4: Altı organik uygulamanın Multivariate Probit katsayıları

Kaynak Table 4'te tek yıldız için:

\[ P\le0.05 \]

açıklaması bulunmaktadır.

Animal Manure sütununda Credit = 0,988** değeri çift yıldızla gösterilmesine rağmen dipnotta çift yıldızın ayrı anlamı tanımlanmamıştır.

Extension–Compost coefficient 1,4321 olarak verilmiş fakat yıldız işareti bulunmamaktadır. Buna karşılık sonuç metni extension contacts'ın altı uygulamanın tamamını pozitif ve anlamlı biçimde etkilediğini söylemektedir. Kaynak tablo ile prose arasındaki bu fark sessizce giderilmemiştir.

MVP genel model bilgileri:

\[ Wald\ \chi^2(54)=298.76 \]

\[ Prob>\chi^2=0.0000 \]

\[ Log\ likelihood=-487.321 \]

MVP modelinin önemli eksik raporlama noktası

Multivariate Probit'in ayırt edici özelliği farklı binary adoption equations'ın error terms arasındaki covariance/correlation yapısını birlikte modelleyebilmesidir.

Kaynak yöntem bölümü \(\Sigma\) covariance matrix'ini açıkça tanımlamaktadır. Ancak Results içinde:

• pairwise error correlations,
• \(\rho_{jk}\) değerleri,
• bu korelasyonların standart hataları,
• joint significance / independence test

raporlanmamıştır.

Bu nedenle çalışmanın “adoption decisions are interdependent” yaklaşımını model yapısı desteklese de, belirli iki uygulamanın gözlenmeyen bileşenlerinin ne ölçüde korelasyonlu olduğu yayımlanan sonuçlardan değerlendirilememektedir.

Bu Sonuçlar Enugu State'teki Tüm Sebze Çiftçilerini Temsil Eder mi?

Çalışma Enugu State'te 200 sebze çiftçisinden saha verisi sunsa da beş LGA'nın ve 25 topluluğun purposive seçilmesi nedeniyle örneklem eyaletin bütün sebze çiftçilerini kapsayan tam olasılıklı bir state-wide sample değildir; sonuçlar seçilen üretim alanları için güçlü yerel kanıt sağlayabilir, ancak bütün eyalet nüfusuna genelleme yapılırken örnekleme tasarımının bu sınırı korunmalıdır.

Kaynak sampling weight veya design-based survey estimator raporlamamaktadır.

Response rate de ayrıca verilmemektedir.

Bu sınırlamalar araştırmanın yerel değerini ortadan kaldırmaz; fakat istatistiksel genellemenin coğrafi sınırını belirler.

Çalışmanın Yöntemi ve Bulguları

Araştırma tasarımının teknik özeti

Farkındalık bulgusu

Kaynak abstract ve Results prose %78 yüksek farkındalık bildirmektedir.

Table 1 ise:

• %4 Low,
• %20 Moderate,
• %48 High,
• %28 Very High

dağılımını vermektedir.

Table 1'deki High + Very High toplamı %76'dır. Bu nedenle %78 ve %76 değerleri kaynak içindeki farklı raporlamalar olarak ayrı tutulmalıdır.

Benimseme yoğunluğu bulgusu

Kaynak mean AII'yi %54,2 ve “Moderate” olarak tanımlamıştır.

Dağılıma göre çiftçilerin %52'si en az üç uygulama kullanmaktadır.

%24 ile en büyük tek grup üç uygulama benimseyen çiftçilerdir.

%4 altı uygulamanın tamamını, %12 hiçbirini kullanmaktadır.

Ancak Table 2 yüzdelerinden hesaplanan weighted mean yaklaşık %42,33 olduğundan kaynakta bildirilen %54,2 ile tablo dağılımı arasında çözülmemiş fark bulunmaktadır.

Binary Logit için kaynak tarafından öne çıkarılan belirleyiciler

Kaynak Education, Farm Size, Cooperative Membership ve Extension Contacts değişkenlerini genel adoption kararının güçlü pozitif belirleyicileri olarak öne çıkarmaktadır.

Education coefficient = 1,056 ve source OR = 2,87'dir. Bu çift matematiksel olarak birbiriyle uyumludur.

Farm Size coefficient = 1,166 ve source OR = 3,17'dir; exponentiation yaklaşık 3,21 verir ve sonuçlar genel olarak yakın görünmektedir.

Cooperative Membership coefficient = 1,463, source OR = 4,0'dır; exponentiation yaklaşık 4,32'dir.

Extension Contacts için source Table 3 coefficient = 0,629 ve OR = 5,46'dır; bu iki sayı birbiriyle matematiksel olarak uyuşmaz. Abstract ise extension coefficient'ı 1,692 olarak vermektedir. \(e^{1.692}\) yaklaşık 5,43 olduğundan abstract coefficient ile Table 3 OR sayısal olarak birbirine daha yakındır; ancak Verianla bundan hareketle Table 3 katsayısını otomatik olarak “1,692 olmalıydı” diye düzeltmemektedir.

Source Results prose ayrıca extension için bir yerde OR=4,60, daha sonra OR=5,46 ifadesini kullanmaktadır. Bu da aynı değişken için üçüncü bir kaynak-içi raporlama farkıdır.

Access to Credit sonucu neden belirsiz?

Table 3 Access to Credit satırını yıldızlı ve dolayısıyla kaynak dipnotuna göre p≤0,05 olarak işaretlemektedir.

Aynı satır:

\[ \beta=1.463,\quad SE=0.349,\quad Z=1.80,\quad OR=1.71 \]

vermektedir.

Ancak:

\[ \frac{1.463}{0.349}\approx4.19 \]

olduğundan yayımlanan Z=1,80 katsayı ve standart hatayla uyuşmamaktadır.

Ayrıca:

\[ e^{1.463}\approx4.319 \]

olduğu için OR=1,71 ile de uyuşmamaktadır.

Abstract'ın ana Binary Logit belirleyicileri listesinde Access to Credit bulunmazken Conclusion kredi erişimini önemli kurumsal faktörlerden biri olarak vurgulamaktadır.

Ham model output olmadan bu satırın gerçek coefficient, standard error, Z, p-value ve OR kombinasyonu kesinleştirilemez.

Multivariate Probit'te en tutarlı örüntüler

Education Table 4'te altı uygulamanın tamamında pozitif ve yıldızlıdır:

Compost 0,988; Animal Manure 0,765; Green Manure 0,877; Mulching 1,099; Ash/Soap Biopesticide 0,654; Crop Rotation 1,432.

Farm Size altı outcome'ın tamamında pozitif ve yıldızlıdır:

1,321; 1,099; 0,988; 1,543; 0,877; 1,765.

Cooperative Membership da bütün altı outcome'da pozitif ve yıldızlıdır:

1,654; 1,432; 1,211; 1,765; 1,099; 1,988.

Bu üç değişken Table 4 içinde en tutarlı pozitif adoption örüntülerini göstermektedir.

Yaş, deneyim ve kredi için practice-specific sonuçlar

Age, Green Manure için −0,043* ve Ash/Soap Biopesticide için −0,054* olarak raporlanmaktadır; diğer dört uygulamada yıldız bulunmamaktadır.

Farming Experience, Compost 0,054*, Mulching 0,065* ve Crop Rotation 0,077* için yıldızlıdır.

Credit, Compost 0,877*, Animal Manure 0,988**, Mulching 0,988* ve Ash/Soap Biopesticide 1,235* için yıldızlıdır; Green Manure ve Crop Rotation'da yıldız bulunmamaktadır.

Animal Manure için kullanılan çift yıldızın ne anlama geldiği kaynak dipnotunda açıklanmamıştır.

Extension Contacts için Table 4 farkı

Kaynak metni extension contacts'ın altı uygulamanın tamamı üzerinde pozitif ve anlamlı etkisi olduğunu belirtmektedir.

Table 4'te:

Compost 1,4321; Animal Manure 1,211*; Green Manure 1,099*; Mulching 1,321*; Ash/Soap Biopesticide 1,877*; Crop Rotation 1,543*

verilmiştir.

Compost satırındaki extension coefficient pozitif olsa da yıldızsızdır. Kaynağın kendi significance notation'ı esas alındığında tablo, prose'daki “all six significant” ifadesini tam olarak desteklememektedir.

Field Survey yılındaki kaynak-içi fark

Table 1, Table 2 ve Table 4 alt notlarında Field Survey, 2025 yazmaktadır.

Table 3 ise Field Survey, 2026 yazmaktadır.

Methodology bölümü saha veri toplama tarihini ayrıca açık biçimde belirtmediğinden hangi yılın doğru olduğu ham veri/metaveri olmadan kesinleştirilememektedir.

Abstract'taki model adı farkı

Abstract verilerin “binary and multivariate logistic models” ile analiz edildiğini söylemektedir.

Introduction ve Methodology ise ikinci modeli açık biçimde Multivariate Probit (MVP) olarak tanımlamaktadır.

Table 4 de “Determinants of Choice” sonuçlarını MVP bağlamında tartışmaktadır. Verianla ana yöntem adını Methodology'deki Multivariate Probit olarak korur ve abstract'taki “multivariate logistic” ifadesini ayrı bir terminoloji farkı olarak değerlendirir.

Çalışmanın desteklediği sonuçlar

• Örneklemde organik tarım uygulamalarına ilişkin farkındalık genel olarak yüksek kategorilerde yoğunlaşmaktadır.
• Çiftçilerin %52'si çalışmada izlenen altı uygulamadan en az üçünü benimsemiştir.
• Yalnız %4 bütün altı uygulamayı kullanmaktadır.
• Education, Farm Size ve Cooperative Membership Table 4'te bütün altı practice outcome için pozitif ve yıldızlı katsayılar göstermektedir.
• Binary Logit kaynak yorumunda Education, Farm Size, Cooperative Membership ve Extension Contacts önemli adoption drivers olarak öne çıkarılmaktadır.
• Multivariate Probit modelinin genel Wald testi kaynakta anlamlı raporlanmaktadır.

Çalışmanın desteklemediği veya doğrudan gösteremediği sonuçlar

• Eğitimin veya extension services'ın organik tarım benimsemesine nedensel olarak yol açtığı kanıtlanmamıştır.
• Örneklem bütün Enugu State sebze çiftçilerini tam olasılıklı state-wide sample olarak temsil etmemektedir.
• Altı uygulamayı kullanmak organik sertifikasyona eşdeğer değildir.
• Kaynak bütün uygulamalar arasındaki error-correlation estimates'ı yayımlamadığı için MVP'nin tahmin ettiği interdependence büyüklüğü görülememektedir.
• Table 3'teki bütün odds ratio'lar güvenilir biçimde β katsayılarından türetilememektedir.
• Kaynak confidence intervals veya Binary Logit için individual p-values yayımlamamaktadır.
• Awareness index'in questionnaire-item yapısı tam olarak raporlanmamıştır.
• Table 2'deki dağılım, yayımlanan %54,2 mean AII ile aritmetik olarak uyuşmamaktadır.

Politika ve uygulama önerileri

Yazarlar extension services'ın güçlendirilmesini, knowledge gaps'ın azaltılmasını, cooperative institutions'ın desteklenmesini, çiftçilerin krediye erişiminin genişletilmesini ve organik ürünler için premium prices sağlayabilecek daha sağlam pazarların geliştirilmesini önermektedir.

Tailored education programs ve institutional reforms da organik sebze üretimine geçişi destekleyebilecek yollar olarak önerilmektedir.

Bu öneriler gözlemsel regression ilişkilerinden ve çalışmanın tartışma çerçevesinden çıkarılmış politika önerileridir. Araştırma extension programı, kredi müdahalesi veya kooperatif desteğini randomize biçimde test etmemiştir.

Temel yöntemsel sınırlılıklar

Kesitsel tasarım: Veri tek zaman kesitinde toplandığından zaman içindeki adoption transitions izlenememektedir.

Purposive üst aşamalar: LGA ve communities rastgele seçilmediği için state-wide representativeness sınırlıdır.

N = 200: Altı equation'lı MVP içinde dokuz predictor kullanılması dikkate alındığında örneklem büyüklüğü model karmaşıklığı açısından önemlidir; kaynak ayrıca power analysis raporlamamaktadır.

Awareness ölçeği: Questionnaire maddelerinin yapısı ve 0–100 awareness scoring prosedürü ayrıntılı olarak verilmemiştir.

AII tutarsızlığı: Yayımlanan distribution yaklaşık %42,33 arithmetic mean üretirken kaynak %54,2 bildirmektedir.

Binary Logit formül baskısı: Equation (1) logit'in sol tarafını eksik göstermektedir.

Odds-ratio formülü: Equation (2) odds ratio'yu probability olarak göstermektedir.

Table 3 consistency: Birçok coefficient–OR ve bazı coefficient–SE–Z üçlüleri matematiksel olarak uyuşmamaktadır.

MVP Equation (3): PDF'de temel semboller görünmemektedir.

MVP correlation results: \(\Sigma\)'nın tahmin edilmiş off-diagonal correlation values'ı yayımlanmamıştır.

Significance reporting: Table 4'te çift yıldız kullanılmış ancak yalnız tek yıldız dipnotu açıklanmıştır.

Veri yılı: Table 1, 2 ve 4 “Field Survey, 2025”; Table 3 “Field Survey, 2026” yazmaktadır.

Çalışmanın güçlü yönleri

Araştırma organik tarım benimsemesini yalnız “adopter/non-adopter” ikili sonucuna indirgemeyip altı ayrı uygulamanın seçim örüntüsünü de değerlendirmeye çalışmaktadır.

Çalışma 25 topluluk ve beş LGA'dan çiftçi verisi içermekte; education, farm structure ve institutional access değişkenlerini aynı analitik çerçevede değerlendirmektedir.

Etik onay, informed consent, data-availability, conflict-of-interest, funding ve author-contribution bilgileri açık biçimde raporlanmıştır.

Kaynak ve Yöntem Notu

Özgün çalışma: Adoption Patterns of Organic Farming Practices among Vegetable Farmers in Enugu State, Nigeria.

Yazarlar: Justina Chituru Ibe, Ikenna Charles Ukwuaba, Timothy Chinonso Okoh, Chukwuma Otum Ume, Miracle Chinonyerem Ani, Juliet Nnenna Ikechukwu, Rosemary Nnedinso Arua, Joseph Oguejiofor Okorie, Rosemary Chiamaka Nzennwa.

Yazar sırası: PDF'nin cite-as satırı ve güncel resmî dergi kaydı esas alınmıştır.

Eş katkı: Equal contribution/equal first authorship beyanı bulunmamaktadır.

Sorumlu yazar: Ikenna Charles Ukwuaba.

Kurum: Yazarların çoğu Department of Agricultural Economics, University of Nigeria, Nsukka ile ilişkilidir. Timothy Chinonso Okoh'un kurumu Livestock Productivity and Resilience Support Project, New-Haven, Enugu, Nigeria'dır.

Dergi: Journal of Agricultural Extension.

Kurumsal yayın yapısı: Agricultural Extension Society of Nigeria (AESON).

Cilt / sayı: 30(4).

Sayfalar: 1–12.

Yayın yılı: 2026.

PDF DOI: 10.4314/jae.v30i4.1.

Güncel resmî dergi kaydındaki DOI: 10.4314/1qd41j79.

DOI farkı: PDF ile güncel resmî yayın kaydı farklı DOI gösterdiği için iki değer ayrı biçimde korunmuştur; güncel online makale sayfası 10.4314/1qd41j79 değerini kullanmaktadır.

PDF tarihleri: Submitted 26 May 2026; First Request for Revision 22 June 2026; Revisions 7 July, 16 July, 20 July ve 11 September 2026; Accepted 22 September 2026; Published 30 October 2026.

Güncel resmî online yayın tarihi: 29 October 2026. PDF ile online record arasında bir günlük fark vardır.

Kaynak türü: Research Article; primary cross-sectional field survey.

Hakemlik: Journal of Agricultural Extension resmî politikası double-blind peer review uygulamaktadır.

Preprint durumu: Kaynak PDF veya güncel resmî makale kaydında ayrı bir preprint belirtilmemektedir.

Lisans: Güncel resmî makale sayfası Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License (CC BY-NC-ND 4.0) göstermektedir. PDF üst başlığında da CC BY-NC-ND yazmaktadır; PDF'nin hemen altındaki açıklama satırı ise NoDerivatives ifadesini metinsel olarak eksik bırakmaktadır.

Örneklem: 200 vegetable farmers.

Örnekleme: Beş LGA purposive → her LGA'dan beş community purposive → her community'den sekiz farmer simple random → toplam 25 community ve 200 respondent.

Veri toplama: Structured questionnaire.

Outcome 1: Awareness level.

Outcome 2: Adoption Intensity Index / altı uygulamadan benimsenen uygulama sayısı.

Outcome 3: Binary adoption decision.

Outcome 4: Compost, Animal Manure, Green Manure, Mulching, Ash/Soap Biopesticide ve Crop Rotation için practice-specific binary choices.

Binary model: Binary Logit.

Multivariate model: Methodology'ye göre Multivariate Probit; abstract'ta “multivariate logistic” ifadesi de bulunmaktadır.

Anlamlılık eşiği: %5; p<0,05 / tablolarda P≤0,05.

Awareness kaynak farkı: Abstract/Results %78; Table 1 High + Very High = %76.

Mean AII kaynak değeri: %54,2.

Table 2 arithmetic check: Yayımlanan yüzde dağılımı AII değerleriyle ağırlıklandırıldığında yaklaşık %42,33 elde edilmektedir; farkın nedeni ham veri olmadan açıklanamamaktadır.

Binary Logit genel model: LR χ²(9)=105,18; Prob>χ²=0,0000; Pseudo R²=0,381; log likelihood=−85,432.

MVP genel model: Wald χ²(54)=298,76; Prob>χ²=0,0000; log likelihood=−487,321.

Binary Equation (1) notu: PDF'de logaritmanın argumenti görünmemektedir.

Equation (2) notu: PDF “Odd ratio = P(Yi=1)” yazmaktadır; bu standart odds-ratio tanımı değildir.

Equation (3) notu: PDF'de MVP formülünün temel sembolleri render edilmemiştir; prose latent-variable ve multivariate-normal covariance yapısını açıklamaktadır.

Table 3 notu: Birçok β–OR eşleşmesi ve bazı β–SE–Z değerleri matematiksel olarak tutarsızdır; ham model çıktısı yayımlanmadığından sessiz düzeltme yapılmamıştır.

Table 4 notu: Extension–Compost pozitif fakat yıldızsızken prose extension'ın bütün altı uygulamada anlamlı olduğunu söyler; Credit–Animal Manure hücresindeki çift yıldızın anlamı dipnotta tanımlanmamıştır.

MVP covariance: Model \(\Sigma\) covariance matrix'ini tanımlamakta ancak estimated correlation/covariance results yayımlanmamaktadır.

Field Survey yılı: Table 1, 2 ve 4: 2025; Table 3: 2026.

Etik onay: Strategic Contacts, Ethics and Publications Directorate, University of Nigeria, Nsukka; research code UNN/EC/NSTA/FAGAGC STR/54 11 SEPT/2026.

Informed consent: Katılan bütün sebze çiftçilerinden written informed consent alınmıştır.

Data Availability: Veriler reasonable request üzerine corresponding author tarafından sağlanabilir.

Funding: Public, commercial veya not-for-profit funding agency'den specific grant alınmamıştır.

Conflict of Interest: Yazarlar çıkar çatışması olmadığını beyan etmiştir.

AI Use Declaration: Generative AI kullanılmamıştır; Grammarly yalnız grammar ve language editing amacıyla kullanılmıştır.

Acknowledgment: Yazarlar veri toplamada yardımcı olan enumerators'a teşekkür etmektedir.

Yazar katkıları: IJC: conception/design, data-collection instrument development, analysis, interpretation, manuscript revision (%25); UIC: conception/design, data collection, interpretation, first draft ve revision (%20); OTC: interpretation, first draft, manuscript development (%10); UCO: manuscript development, data collection, interpretation (%10); AMC: conception/design, manuscript development, data collection, interpretation (%15); IJN: data collection, literature review, revision (%5); ARN: manuscript development ve revision (%5); OJO: data collection, literature review, revision (%5); NRC: data collection, literature review, revision (%5).

Temel yöntemsel sınırlılıklar: Kesitsel tasarım; purposive LGA/community selection; awareness ölçeğinin eksik reproducibility ayrıntıları; AII raporlama farkı; Binary Logit formül ve Table 3 tutarsızlıkları; MVP covariance results'ın raporlanmaması; Table 4 significance işaretleme farkları.