Sunʼiy intellekt asosidagi qishloq xoʻjaligi maslahat xizmati, mashinaviy oʻrganish, tabiiy tilni qayta ishlash va maʼlumotlar tahlili kabi sunʼiy intellekt usullaridan mobil ilova, chatbot yoki boshqa raqamli kanallar orqali foydalanib, fermerlarga qishloq xoʻjaligi bo‘yicha qarorlarni qoʻllab-quvvatlashni maqsad qilgan raqamli maslahat xizmatidir. Ushbu tadqiqot Nigeriyaning Enugu State hududidagi Nsukka Agricultural Zone-da Nsukka Yellow Pepper (NYP) yetishtiruvchi yosh fermerlarning bu xizmatlarni qay darajada bilishi va ulardan foydalanishini; foydalanish qarorining ijtimoiy-iqtisodiy belgilovchilarini; foydalanuvchilar bilan foydalanuvchi bo‘lmaganlar o‘rtasidagi ishlab chiqarish, xarajat va yalpi marja farqlarini; shuningdek foydalanish yo‘lidagi ijtimoiy-texnik to‘siqlarni o‘rganadi. Dastlab 150 fermer namuna sifatida tanlangan, 144 ta to‘ldirilgan so‘rovnoma tahlilga kiritilgan. Manba %79,2 xabardorlik, %72,2 ilovani yuklab olish/sinab ko‘rish va %45,8 to‘liq yoki davomli foydalanishni qayd etadi.

Binary Logit natijalarida marital status, monthly income, credit access, cooperative membership va AI/IoT training o‘zgaruvchilari manba Table 2 da p≤0,05 darajasida ahamiyatli deb ko‘rsatilgan. Eng katta ijobiy koeffitsiyentlar cooperative membership uchun 4,766 va AI/IoT training uchun 4,550; monthly income koeffitsiyenti esa −0,747 bilan manfiydir. Biroq Table 2 dagi ayrim coefficient–standard error–Wald kombinatsiyalarida manba ichki nomuvofiqliklari mavjudligi sababli koeffitsiyent kattaliklari ehtiyotkorlik bilan talqin qilinishi kerak.

Foydalanuvchilar guruhida Table 3 ga ko‘ra mean output 285,68, foydalanuvchi bo‘lmaganlarda 259,10. Input-cost asosidagi partial productivity ratio foydalanuvchilar uchun 0,00023, foydalanuvchi bo‘lmaganlar uchun 0,00019 deb berilgan. Table 4 da foydalanuvchilarning yalpi marjasi ₦920.033,21, foydalanuvchi bo‘lmaganlarniki ₦609.236,40; manba bu farqni taxminan %51 o‘sish sifatida ifodalaydi. Biroq tadqiqot randomizatsiya qilinmagan va foydalanuvchi–foydalanuvchi bo‘lmagan farqlari uchun alohida causal-effect estimator yoki ahamiyatlilik testi hisobot qilinmagan. Shu sababli kuzatilgan farqlar AI asosidagi maslahat xizmatining o‘zi sabab bo‘lgan taʼsir sifatida talqin qilinmaydi.

Foydalanish yo‘lidagi eng yuqori ball olgan to‘siqlar past raqamli savodxonlik (\(\bar{x}=3.86\)), AI asosidagi xizmatlarning foydalari haqida past xabardorlik (\(\bar{x}=3.69\)) va yetarli bo‘lmagan texnik yordam (\(\bar{x}=3.67\)) deb qayd etilgan. Tadqiqotning umumiy xabari shuki, xabardorlik va dastlabki aloqa yuqori bo‘lsa-da, uzluksiz foydalanish darajasi pastroq; raqamli ko‘nikmalar, taʼlim, kooperativ tuzilmalar, moliyaviy kirish va texnik yordam foydalanish naqshlari bilan bog‘liq.

Sunʼiy Intellekt Asosidagi Qishloq Xoʻjaligi Maslahat Xizmati Nima?

Sunʼiy intellekt asosidagi qishloq xoʻjaligi maslahat xizmati fermerning ishlab chiqarish qarorlarini qoʻllab-quvvatlash uchun sunʼiy intellekt va maʼlumotlarni qayta ishlash usullaridan foydalanib, kasallik tashxisi, ob-havo, resurslardan foydalanish, bozor maʼlumoti yoki umumiy qishloq xoʻjaligi maslahati kabi maʼlumotlarni raqamli kanallar orqali yetkazadigan maslahat yondashuvidir; ushbu tadqiqotda tushuncha muayyan bitta AI tizimi bilan cheklanmagan, ChatGPT, WhatsApp Meta AI, Plantix, AgriBot va Hello Tractor kabi turli platformalardan foydalanish birgalikda o‘rganilgan.

Nsukka Yellow Pepper nima?

Nsukka Yellow Pepper (NYP), tadqiqotda Capsicum chinense deb taʼriflangan va Nsukka Agricultural Zone bilan bog‘langan mahalliy sariq qalampir navidir. Manba NYP o‘ziga xos hidi, rangi, taʼmi va oziqaviy xususiyatlari tufayli mintaqada iqtisodiy va qishloq xo‘jaligi jihatidan ahamiyatga ega ekanini bildiradi.

Tadqiqotning kirish qismi avval umumiy pepper yetishtirish haqida gapirganda Capsicum annuum L. nomidan foydalanadi, keyin esa tadqiqotning asosiy mahsuloti bo‘lgan Nsukka Yellow Pepper-ni Capsicum chinense deb taʼriflaydi. Verianla ushbu ikki taksonomik ifodani bir-biriga aylantirmaydi; tadqiqotning maqsadli mahsuloti uchun manbada ishlatilgan NYP = Capsicum chinense mosligini saqlaydi.

Nega AI asosidagi maslahat xizmatlari o‘rganildi?

Manba anʼanaviy ishlab chiqarish amaliyotlariga qaramlik, o‘z vaqtida va ishonchli maʼlumotga cheklangan kirish va zamonaviy qishloq xo‘jaligi texnologiyalaridan kam foydalanishni qalampir ishlab chiqarishdagi muammolar qatorida ko‘rsatadi.

AI asosidagi raqamli xizmatlarning ko‘zlangan foydalanish yo‘nalishlari orasida:

• zararkunanda va kasallik tashxisi,
• tuproq va suvni boshqarish,
• ob-havo prognozi,
• resurslarni optimallashtirish,
• bozor maʼlumoti,
• umumiy qishloq xo‘jaligi maslahati

mavjud.

Manba, shuningdek, APWEN va University of Nigeria, Nsukka tomonidan mintaqada kasalliklarni erta aniqlash, suv boshqaruvi va raqamli extension services kabi AI ilovalari ishlab chiqilgan yoki foydalanishga taqdim etilgan kontekst haqida so‘z yuritadi. Biroq ushbu tadqiqotning o‘zi bu AI tizimlarining texnik aniqlik ko‘rsatkichlarini o‘lchaydigan mashinaviy o‘rganish benchmark tadqiqoti emas.

Diffusion of Innovations nazariyasi tadqiqotda nima vazifa bajaradi?

Tadqiqotning nazariy asosida Rogersning Diffusion of Innovations (DOI) yondashuvidan foydalaniladi. Manba ushbu nazariyada technology adoption relative advantage, compatibility, complexity, trialability va observability kabi xususiyatlar bilan izohlanishi mumkinligini bildiradi.

Ushbu tushunchalar O‘zbekchada taxminan quyidagi maʼnolarni anglatadi:

• Relative advantage: yangi texnologiyaning mavjud usulga nisbatan idrok etilgan ustunligi.
• Compatibility: texnologiyaning foydalanuvchi ehtiyojlari va mavjud amaliyotlariga mosligi.
• Complexity: texnologiyani o‘rganish yoki undan foydalanish qanchalik qiyin deb idrok etilishi.
• Trialability: texnologiyani to‘liq qabul qilishdan oldin sinab ko‘rish imkoniyati.
• Observability: texnologiya natijalarining foydalanuvchi yoki atrofdagilar tomonidan ko‘rina olishi.

Ushbu tadqiqot DOI o‘zgaruvchilarining barchasini alohida strukturaviy modelda o‘lchamaydi; nazariya adoption xatti-harakatini tushuntiruvchi konseptual asos sifatida ishlatiladi.

Tadqiqot hududi

Tadqiqot Enugu State tarkibidagi Nsukka Agricultural Zoneda o‘tkazilgan. Zone uchta Local Government Area dan iborat:

• Nsukka,
• Igbo-Etiti,
• Uzo-Uwani.

Manba koordinata oralig‘ini 7°20′1″E–7°29′1″E uzunliklari va 6°54′1″N–7°0′1″N kengliklari sifatida beradi.

Namuna qanday shakllantirilgan?

Manba “multistage sampling” deb atagan namuna tanlash jarayonida uchta LGA ning barchasi tadqiqotga kiritilgan. Keyin registered farmer ro‘yxatlaridan proportional random sampling orqali:

• Nsukka dan 48,
• Igbo-Etiti dan 49,
• Uzo-Uwani dan 53

nafar yosh qalampir fermeri tanlangan.

Jami boshlang‘ich namuna:

\[ 48+49+53=150 \]

nafarni tashkil etadi.

Tarqatilgan 150 so‘rovnomadan 144 tasi to‘ldirilgan va tahlilga kiritilgan:

\[ \frac{144}{150}\times100=96\% \]

Shu sababli Table 1 aniq \(n=144\) deb hisobot qiladi.

Xabardorlik va foydalanish darajalari

Foydalanilgan AI va raqamli platformalar

Ushbu ulushlarning yig‘indisi %100 emas. Manba questionnaire tuzilmasining bu qismida multiple-response tanloviga ruxsat berilgan-berilmaganini yoki denominator faqat users ekanini aniq taʼriflamaydi. Shu sababli ulushlar bir-birini istisno qiluvchi toifalar deb faraz qilib bo‘lmaydi.

AI xizmatlaridan foydalanish maqsadlari

Manba jadvali tegishli qatorni “Record mining” deb yozadi; undan oldingi Results prose esa ayni %11,81 qiymatini “record-keeping” deb izohlaydi. Ikkala ifoda ham jimlik bilan bitta atamaga aylantirilmagan.

Foydalanish tez-tezligi

Ushbu besh toifaning yig‘indisi %100. Daily + Weekly + Monthly + Rarely yig‘indisi ham %45,8 bo‘lib, Table 1 dagi full/continued use foiziga son jihatidan teng.

Binary Logit Modeli Ushbu Tadqiqotda Nimani O‘lchaydi?

Binary Logit modeli NYP yetishtiruvchi yosh fermerning AI asosidagi extension service foydalanuvchisi bo‘lish ehtimoli jins, yosh, nikoh holati, daromad, kreditga kirish, dehqonchilik tajribasi, taʼlim, smartphone ownership, AI/IoT training va cooperative membership kabi o‘nta tushuntiruvchi o‘zgaruvchi bilan qanday bog‘liq ekanini log-odds shkalasida modellashtiradi; model kuzatuvga asoslangan munosabatlarni baholaydi va o‘z-o‘zidan sababiy taʼsirni isbotlamaydi.

Tenglama (1): Binary Logit

Manba modelni quyidagicha beradi:

\[ \ln\left[ \frac{P_i}{1-P_i} \right] = \beta_0+ \beta_1X_1+ \beta_2X_2+ \beta_3X_3+ \beta_4X_4+ \beta_5X_5+ \beta_6X_6+ \beta_7X_7+ \beta_8X_8+ \beta_9X_9+ \beta_{10}X_{10} \tag{1} \]

Formula nimani hisoblaydi? Formula adoption probability \(P_i\) ni bevosita emas, adoption odds ning natural logarifmini modellashtiradi.

\[ Odds_i=\frac{P_i}{1-P_i} \]

Tadqiqotning yangi topilmasi emas, formulaning matematik izohi: Agar \(\beta_j\) koeffitsiyenti musbat bo‘lsa, boshqa o‘zgaruvchilar o‘zgarmaganda tegishli o‘zgaruvchining ortishi adoption log-odds bilan musbat bog‘liq bo‘ladi. Koeffitsiyent manfiy bo‘lsa, munosabat teskari yo‘nalishda bo‘ladi.

Standart Logit modelida:

\[ OR=e^{\beta_j} \]

ifoda koeffitsiyentni odds ratio shkalasiga o‘tkazadi. Manba Table 2 da odds ratio eʼlon qilmagani sababli Verianla koeffitsiyentlardan yangi OR natijalar jadvalini tuzmaydi.

Tenglamadagi o‘zgaruvchilar

Bog‘liq o‘zgaruvchi \(Y\), AI asosidagi extension service foydalanuvchisi uchun 1, non-user uchun 0.

Manba independent variables uchun:

\[ P\le0.05 \]

chegarasidan statistical significance threshold sifatida foydalanadi.

Yalpi Marja Nimani Ko‘rsatadi va Sof Foyda Bilan Bir Xilmi?

Yalpi marja jami tushumdan jami o‘zgaruvchan xarajatni ayirish orqali hisoblanadigan qisqa muddatli ishlab chiqarish rentabelligi ko‘rsatkichidir; ushbu tadqiqotda \(GM=TR-TVC\) formulasidan foydalanilgan va doimiy xarajatlar aniq hisobga olinmagani sababli yalpi marja korxonaning barcha xarajatlarini o‘z ichiga oluvchi sof foyda bilan bir xil miqdor emas.

Tenglama (2): Gross Margin

\[ GM=TR-TVC \tag{2} \]

Bu yerda:

• \(GM\): Gross Margin,
• \(TR\): Total Revenue,
• \(TVC\): Total Variable Cost

maʼnosini anglatadi.

Manba usuli TR va TVC ni gektar boshiga qiymatlar sifatida taʼriflaydi.

Table 4 da variable costs tarkibida:

• labour,
• (in)organic fertilizer,
• seed purchase,
• planting,
• herbicides,
• data cost,
• transport,
• market levies,
• pesticides

keltirilgan.

Land cost, depreciation, interest on fixed capital yoki boshqa doimiy xarajatlar alohida bandlar sifatida hisobot qilinmagani sababli gross margin qiymatini “to‘liq sof korxona foydasi” deb talqin qilish to‘g‘ri emas.

Partial productivity qanday hisoblangan?

Manba usuli asosiy farm productivity o‘lchovini yield per hectare sifatida tushuntiradi; so‘ng ushbu tadqiqotdagi partial productivity output ni foydalanilgan input units ga bo‘lish orqali hisoblanganini bildiradi.

Table 3 esa aniq ravishda:

\[ Productivity=\frac{A}{B} \]

tuzilmasidan foydalanadi.

Bu yerda Table 3 ga ko‘ra:

• \(A\) = Mean output,
• \(B\) = Mean cost of inputs.

Shunday qilib, eʼlon qilingan Table 3 hisob-kitobi physical output / monetary input cost nisbatidir.

Foydalanuvchi bo‘lmaganlar uchun:

\[ \frac{259.10}{1{,}313{,}311.46}\approx0.000197 \]

va manba buni 0,00019 ga yaxlitlagan.

Foydalanuvchilar uchun:

\[ \frac{285.68}{1{,}256{,}388.40}\approx0.000227 \]

va manba buni 0,00023 deb bergan.

Ushbu arifmetik tekshiruv yangi tajriba natijasi emas; Table 3 da eʼlon qilingan A/B hisobining tasdig‘idir.

Likert cheklov shkalasi qanday qo‘llangan?

To‘siqlar 5-point Likert-type scale bilan baholangan:

• Strongly agree = 5,
• Agree = 4,
• Neutral = 3,
• Disagree = 2,
• Strongly disagree = 1.

Manba cutoff qiymatini:

\[ \bar{x}=3.0 \]

deb belgilagan.

Manba mean score 3,0 dan yuqori bo‘lsa, tegishli bandni “major challenge” deb qabul qiladi; 3,0 dan past bo‘lsa challenge deb baholamaydi.

Ushbu tasnifdagi “significant” so‘zi inferential p-value maʼnosida emas. Bu mean-score threshold ga asoslangan tavsifiy tasnifdir.

Tadqiqot Usuli va Natijalari

Namuna va maʼlumot tuzilmasi

Binary Logit natijalari

* Manba Table 2 izohi: P≤0,05.

Manba model summary qiymatlarini:

\[ Pseudo\ R^2=0.618 \]

\[ -2\ Log\ Likelihood=60.234 \]

va:

\[ Wald\ Chi^2=0.000 \]

shaklida chop etgan.

Pseudo \(R^2\) ordinary least-squares \(R^2\) bilan bir xil emas. Shu sababli uni “AI adoption variation ning %61,8 i tushuntirildi” tarzida bevosita talqin qilib bo‘lmaydi.

Table 2 dagi muhim matematik hisobot farqi

Wald statistic ning keng tarqalgan bitta koeffitsiyentli yondashuvida:

Tadqiqot topilmasi emas, matematik consistency check:

\[ Wald\approx \left( \frac{\beta}{SE} \right)^2 \]

munosabati kutiladi.

Masalan, Credit Access uchun:

\[ \left( \frac{0.284}{0.139} \right)^2 \approx4.17 \]

va manba Wald=4,196 ni beradi.

Cooperative Membership uchun:

\[ \left( \frac{4.766}{1.145} \right)^2 \approx17.33 \]

va manba Wald=17,316 ni beradi.

Bunga qarshi Monthly Income uchun:

\[ \left( \frac{-0.747}{0.898} \right)^2 \approx0.692 \]

bo‘lsa-da, manba Wald=3,785 deb yozadi. Shu sababli bir qatorning coefficient, standard error va Wald qiymatlari birgalikda matematik jihatdan mos kelmaydi.

Smartphone Ownership uchun eʼlon qilingan 21,180 koeffitsiyent va 6962 standard error ham nihoyatda past coefficient/SE nisbatini beradi; manba ushbu noodatiy bahoning sababini tushuntirmaydi.

Manba tomonidan ahamiyatli deb topilgan o‘zgaruvchilar

Marital Status: β=0,842 va ijobiy yo‘nalishda.

Monthly Income: β=−0,747 va manfiy yo‘nalishda. Manba ushbu natijani past daromadli fermerlarning bepul yoki arzon raqamli maslahatga ko‘proq murojaat qilishi mumkinligi bilan muhokama qiladi. Bu mexanizm bevosita tajribaviy tarzda sinovdan o‘tkazilmagan muallif talqinidir.

Credit Access: β=0,284 va ijobiy.

Cooperative Membership: β=4,766 bilan Table 2 da kuchli ijobiy koeffitsiyentdir.

Training on AI & IoT: β=4,550 bilan kuchli ijobiy koeffitsiyentdir.

Sex, Age, Farming Experience, Years of Education va Smartphone Ownership qatorlarida manba yulduzcha belgisini bermaydi.

Foydalanuvchilar va foydalanuvchi bo‘lmaganlarning partial productivity taqqoslanishi

Table 3 da foydalanuvchilarning A/B productivity ratio si yuqoriroq. Biroq tadqiqot foydalanuvchilarni non-users ga randomizatsiya qilmagan va bu ikki nisbat o‘rtasidagi farq uchun inferential test hisobot qilmagan.

Rentabellik taqqoslanishi

Manba tomonidan bildirilgan gross-margin o‘sishi:

\[ \frac{920033.21-609236.40}{609236.40} \times100 \approx51.0\% \]

ni tashkil etadi.

Ushbu arifmetika manbada bildirilgan %51 farq bilan mos keladi.

Table 4 da non-user gross margin uchun:

\[ 1{,}922{,}547.91- 1{,}313{,}311.46 = 609{,}236.45 \]

hosil bo‘lsa-da, manba jadvali ₦609.236,40 ni chop etadi. Oradagi ₦0,05 farq juda kichik va yaxlitlash/typesetting bilan bog‘liq bo‘lishi mumkin; biroq Verianla uni jimlik bilan “tuzatilgan” manba qiymati sifatida taqdim etmaydi.

265,88 va 285,68 kg/ha farqi

Profitability prose foydalanuvchilarning yield qiymatini 265,88 kg/ha deb yozadi.

Biroq Table 3 foydalanuvchi mean output qiymatini 285,68, Table 4 esa foydalanuvchi Qty/Ha qiymatini aniq 285,68 kg/ha deb beradi.

Shu sababli 265,88 faqat Results prose dagi manba ichki boshqa qiymat sifatida saqlanishi kerak; jadval qiymatlari jimlik bilan o‘zgartirilmasligi lozim.

AI asosidagi maslahat xizmatlaridan foydalanishdagi cheklovlar

Eng yuqori mean score past raqamli savodxonlik uchun 3,86. Ikkinchi va uchinchi o‘rinda foydalar haqida past xabardorlik 3,69 va yetarli bo‘lmagan texnik yordam 3,67 turadi.

Manbaning cutoff qoidasiga ko‘ra 3,0 dan yuqori qiymatlar major challenge deb qabul qilingan.

“Unclear Return on Investment” aynan 3,00 qiymatga ega. Usul “below 3.0” va “above 3.0” farqlanishidan foydalangani sababli aynan tenglik qaysi toifaga kirishi ochiq ko‘rsatilmagan.

Foydalanuvchilar Bilan Foydalanuvchi Bo‘lmaganlar O‘rtasidagi Farq AI Ning Sababiy Taʼsirini Isbotlaydimi?

Yo‘q. Tadqiqot foydalanuvchilar va foydalanuvchi bo‘lmaganlar o‘rtasida output, input cost, partial productivity va gross margin farqlarini ko‘rsatadi; biroq ishtirokchilar AI foydalanishiga randomizatsiya qilinmagan, boshlang‘ich xususiyatlar uchun causal matching yoki treatment-effect modeli qo‘llanmagan va iqtisodiy farqlar uchun alohida ishonch oralig‘i yoki ahamiyatlilik testi hisobot qilinmagan. Shu sababli kuzatilgan farqlar AI foydalanishining o‘zi keltirib chiqargan sababiy natija sifatida qabul qilinmaydi.

Ushbu talqin chegarasi ayniqsa muhim, chunki AI foydalanuvchilari bilan non-users o‘rtasida:

• kooperativ aʼzoligi,
• AI/IoT taʼlimi,
• kreditga kirish,
• nikoh holati,
• daromad

kabi adoption bilan bog‘liq xususiyatlar allaqachon farq qilishi mumkin.

Shuning uchun higher gross margin yoki higher productivity ratio AI use bilan bog‘liq kuzatuv natijasidir; nazorat qilingan causal estimate emas.

Tadqiqot qo‘llab-quvvatlaydigan natijalar

• Tahlilga kiritilgan 144 fermerning %79,2 si AI-based extension services haqida xabardorligini bildirgan.
• %72,2 ilovani yuklaganini yoki sinab ko‘rganini bildirgan.
• %45,8 full/continued use ni bildirgan.
• Foydalanish tez-tezligida %54,2 “never” toifasida.
• Manba Binary Logit modelida marital status, monthly income, credit access, cooperative membership va AI/IoT training ni p≤0,05 bilan belgilangan o‘zgaruvchilar sifatida ko‘rsatadi.
• Users guruhida Table 3 partial productivity ratio 0,00023; non-users guruhida 0,00019.
• Users guruhining Table 4 gross margin qiymati ₦920.033,21; non-users guruhining ₦609.236,40.
• Manba gross-margin farqini taxminan %51 deb hisobot qiladi va bu nisbat eʼlon qilingan ikki gross-margin qiymati bilan arifmetik jihatdan mos.
• Eng yuqori constraint mean score past digital literacy uchun 3,86.

Tadqiqot bevosita qo‘llab-quvvatlamaydigan natijalar

• AI asosidagi extension service foydalanishining o‘zi productivity o‘sishiga sabab bo‘lgani isbotlanmagan.
• AI foydalanishining o‘zi gross margin ni %51 oshirgani sababiy jihatdan ko‘rsatilmagan.
• ChatGPT Plantix yoki boshqa platformadan samaraliroq ekani taqqoslama tarzda sinovdan o‘tkazilmagan.
• AI platformalarining disease diagnosis aniqligi o‘lchanmagan.
• Foydalanilgan AI tizimlarining model accuracy, precision, recall yoki shunga o‘xshash texnik ko‘rsatkichlari o‘rganilmagan.
• AI tavsiyalarining agronomic aniqligi mustaqil ekspert bahosi bilan o‘lchanmagan.
• Tadqiqot barcha Enugu State fermerlari yoki Nigeriyadagi barcha yosh fermerlarning milliy vakillik namunasi emas.
• Kesimiy dizayn uzoq muddatli adoption persistence yoki vaqt davomida hosildorlikka taʼsirni ko‘rsatmaydi.
• Likert mean score ning 3 dan yuqori bo‘lishi inferential statistical significance degani emas.

Manba ichidagi muhim hisobot farqlari

Asosiy uslubiy cheklovlar

Kesimiy dizayn: Bir xil fermerlarning AI dan oldingi va keyingi ishlab chiqarish ko‘rsatkichlari vaqt davomida kuzatilmagan.

Self-reported adoption: Xabardorlik, foydalanish va foydalanish tez-tezligi tuzilmali so‘rovnomaga asoslanadi.

144 ta tahlil qilingan javob: Dastlab 150 respondent tanlangan, oltita so‘rovnoma tahlildan tashqarida qolgan.

Observational group comparison: Users va non-users randomizatsiya qilinmagan.

Economic difference significance: Productivity va gross-margin guruh farqlari uchun confidence interval yoki alohida significance test hisobot qilinmagan.

Binary Logit hisobot farqi: Monthly Income qatoridagi β, SE va Wald birgalikda izchil emas.

Smartphone coefficient: 21,180 koeffitsiyentga qarshi 6962 standard error hisobot qilingan va manba buning sababini tushuntirmagan.

Wald Chi² yorlig‘i: Model xulosasidagi “Wald Chi²: 0.000” ifodasi statistic yoki significance qiymati ekanligi aniq emas.

Platforma foizlarining denominator i: App-type va purpose-of-use foizlarining multiple response ekanligi aniq ko‘rsatilmagan.

AI tizimlarining texnik aniqligi: Model yoki advisory-system accuracy baholash o‘tkazilmagan.

Amaliyot nuqtayi nazaridan maʼnosi

Manba natijalari faqat AI texnologiyasining mavjud bo‘lishi muntazam foydalanish uchun yetarli emasligini ko‘rsatadi. Tadqiqot ayniqsa digital literacy, technical support, cooperative participation, access to credit, local-language accessibility, internet va power infrastructure kabi inson va infratuzilma omillarining birgalikdagi ahamiyatini taʼkidlaydi.

Mualliflar digital-literacy initiatives ni kuchaytirish, cooperative platforms ni qo‘llab-quvvatlash, local-language digital platforms ni rivojlantirish, technical-support tizimlarini kengaytirish va rural internet/power infrastructure investitsiyalarini tavsiya qiladilar.

Ushbu siyosiy tavsiyalar tadqiqotning kuzatuv natijalari va adabiyot muhokamasiga asoslangan; tegishli aralashuvlarning taʼsiri bu tadqiqotda randomizatsiya qilingan tarzda sinovdan o‘tkazilmagan.

Manba va Usul Haqida Izoh

Asl tadqiqot: Use of Artificial Intelligence-Based Extension Services among Nsukka Yellow Pepper Youth Farmers in Enugu State, Nigeria.

PDF Cite-as mualliflar tartibi: Emmanuel Ejiofor Omeje, Ikenna Charles Ukwuaba, Chris Nnamdi Onyekwe, Mercy Nkiruka Efita, Benson Uwakwe Asogwa, Johnpaul Tochukwu Offorma.

Joriy rasmiy web metadata tartibi: Chris Nnamdi Onyekwe, Ejiofor Emmanuel Omeje, Ikenna Charles Ukwuaba, Mercy Nkiruka Efita, Benson Uwakwe Asogwa, Johnpaul Tochukwu Offorma.

Mualliflar tartibi izohi: PDF ning “Cite as” qatori va joriy rasmiy jurnal metadata tartibi farq qiladi. Eʼlon qilingan correction notice topilmagani sababli farq yashirilmagan.

Teng hissa: Equal-contribution bayonoti mavjud emas.

Masʼul muallif: Chris Nnamdi Onyekwe.

Muassasa: Department of Agricultural Economics, University of Nigeria, Nsukka, Enugu, Nigeria.

Jurnal: Journal of Agricultural Extension.

Institutsional nashr tuzilmasi: Agricultural Extension Society of Nigeria (AESON).

Jild / son: 30(4).

Sahifalar: 23–35.

Nashr yili: 2026.

PDF DOI: 10.4314/jae.v30i4.3.

Joriy rasmiy DOI: 10.4314/bddmn517.

DOI izohi: Yuklangan PDF va joriy rasmiy maqola yozuvi turli DOI ko‘rsatadi.

Date Submitted: 02 April 2026.

Date of First Request for Revision: 07 May 2026.

Date of Revisions: 23 May 2026, 06 June 2026, 16 July 2026, 17 July 2026, 18 July 2026 va 11 September 2026.

Date Accepted: 22 September 2026.

PDF Date Published: 30 October 2026.

Joriy rasmiy online publication date: 29 October 2026.

Manba turi: Research Article; primary cross-sectional field-survey study.

Taqriz: Journal of Agricultural Extension rasmiy siyosatiga ko‘ra double-blind peer review qo‘llaydi.

Preprint: Manba PDF yoki joriy rasmiy maqola yozuvida alohida preprint ko‘rsatilmagan.

Litsenziya: Joriy rasmiy yozuv Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License (CC BY-NC-ND 4.0) ni ko‘rsatadi. PDF yuqori sarlavhasida ham CC BY-NC-ND yozilgan; PDF dagi keyingi matnli litsenziya qatori esa NoDerivatives unsurini so‘z bilan alohida ko‘rsatmaydi.

Tadqiqot hududi: Nsukka Agricultural Zone, Enugu State, Nigeria.

LGA lar: Nsukka, Igbo-Etiti va Uzo-Uwani.

Boshlang‘ich namuna: 150 youth pepper farmers.

Taqsimot: Nsukka 48; Igbo-Etiti 49; Uzo-Uwani 53.

Tahlil namunasi: 144 ta to‘ldirilgan questionnaire; %96 response rate.

Maʼlumot to‘plash: Structured questionnaire.

Adoption analysis: Percentages va Binary Logistic Regression.

Economic analysis: Partial productivity va Gross Margin.

Constraint analysis: 5-point Likert-type scale; cutoff = 3,0.

Binary dependent variable: AI-based extension service user = 1; non-user = 0.

Predictors: Sex, Age, Marital Status, Monthly Household Income, Credit Access, Farming Experience, Educational Attainment, Smartphone Ownership, AI-use Training, Cooperative Membership.

Statistical significance threshold: P≤0,05.

Pseudo R²: 0,618.

−2 Log Likelihood: 60,234.

Manba model-summary yorlig‘i: “Wald Chi²: 0.000”; source meaning is not sufficiently clarified.

Xabardorlik: %79,2.

AI app yuklab olish: %72,2.

Full / continued use: %45,8.

Never use frequency: %54,2.

Eng yuqori platforma ulushi: ChatGPT %42,36.

Eng yuqori foydalanish maqsadi: General advice %30,56.

Binary Logit dagi yulduzchali o‘zgaruvchilar: Marital Status 0,842; Monthly Income −0,747; Credit Access 0,284; Cooperative Membership 4,766; Training on AI & IoT 4,550.

Table 3 productivity: Non-users 0,00019; Users 0,00023.

Table 4 Qty/Ha: Non-users 259,10 kg; Users 285,68 kg.

Manba prose Qty/Ha farqi: Results text users uchun 265,88 kg/Ha deb yozadi; Table 3 va Table 4 285,68 ni beradi.

Gross Margin: Non-users ₦609.236,40; Users ₦920.033,21.

Manba gross-margin farqi: Taxminan %51.

Eng yuqori constraint: Low digital literacy, mean=3,86, SD=1,362.

Ikkinchi: Low awareness of benefits, mean=3,69, SD=1,376.

Uchinchi: Inadequate technical support, mean=3,67, SD=0,968.

Etik tasdiq: Strategic Contacts, Ethics and Publications Directorate, University of Nigeria, Nsukka; UNN/EC/NSTA/FAG-AGC-STR/53-11-SEPT/2026.

Informed Consent: Written informed consent olingan.

Data Availability: Data are available from the corresponding author upon reasonable request.

Funding: Public, commercial yoki not-for-profit funding agency dan specific grant olinmagan.

Competing Interests: Mualliflar manfaatlar to‘qnashuvi yo‘qligini bildiradilar.

AI Use Declaration: Mualliflar generative AI tools dan foydalanmaganini; faqat grammar, spelling, punctuation, readability va language quality uchun AI-assisted language-editing software dan foydalanganini bildiradi.

Acknowledgement: Mualliflar maʼlumot yig‘ishda yordam bergan enumerators ga minnatdorlik bildiradilar.

Muallif hissalari: Chris Nnamdi Onyekwe: conception/design, data-collection instrument development, interpretation, manuscript revision (%20). Emmanuel Ejiofor Omeje: conception/design, data collection, interpretation, first draft va revision (%25). Ikenna Charles Ukwuaba: interpretation, first draft, manuscript development, data analysis va revision (%20). Mercy Nkiruka Efita: manuscript development, data collection, interpretation (%15). Benson Uwakwe Asogwa: manuscript development, data collection, interpretation (%10). Johnpaul Tochukwu Offorma: data collection, literature review va revision (%10).

Asosiy uslubiy cheklovlar: Kesimiy kuzatuv dizayni; 150 nafar tanlangan bo‘lsa-da 144 respondent tahlil qilingan; users/non-users uchun random assignment yo‘qligi; productivity va profitability farqlari uchun alohida inferential significance test hisobot qilinmagani; Monthly Income coefficient–SE–Wald nomuvofiqligi; Smartphone Ownership estimate dagi juda katta standard error; “Wald Chi²: 0.000” yorlig‘ining noaniqligi; platforma va foydalanish-maqsadi foizlarining denominator tuzilmasi batafsil tushuntirilmagani.