Journal of Agricultural Extension & Community Development (농촌지도와개발)

Korean Society of Agricultural Extension (한국농촌지도학회)
권호 표지
DOI QR코드

DOI QR Code

Structural Equation Modeling on Technology Acceptance for New Variety - Case of Forage Crop -

신품종 기술수용의 구조관계 분석 -사료작물 신품종 도입의향 -

  • Choi, Jong-San (Department of Food Marketing, Chonbuk National University) ;
  • Park, Jae-Hyoung (Research Institute for Gangwon) ;
  • Yoon, Jin-Woo (Farm and Agribusiness Management Division, Rural Development Administration) ;
  • Chae, Yong-Woo (Farm and Agribusiness Management Division, Rural Development Administration)
  • 최종산 (전북대학교 농경제유통학부 식품유통학전공) ;
  • 박재형 (강원연구원 성장동력부) ;
  • 윤진우 (농촌진흥청 농산업경영과) ;
  • 채용우 (농촌진흥청 농산업경영과)
  • Received : 2017.11.15
  • Accepted : 2018.01.25
  • Published : 2018.03.30
Download PDF
⟨ Previous Next ⟩

Abstract

This study aims to identify factors affecting the acceptance intention of cultivating a new Italian ryegrass(IRG) variety using partial least square structural equation modeling(PLS-SEM) and find priority to maximize the acceptance intention of new IRG variety using importance-performance matrix analysis(IPMA). The data were collected on a seven-point Likert-type from 188 farm households located in Korea central region for two months. As a major result of PLS-SEM, expected effect significantly affected acceptance intention. The IPMA also showed expected effect should be considered as the most important factor to improve the acceptance intention. This study suggested the new technology distributors should scientifically prove and actively promote the effects such as increase in farm income, productivity improvement, labor saving and management efficiency caused by planting new IRG variety.

Keywords

References

  1. 기광석. (2016). 국내산 IRG 사일리지 활용해 사료비 절감하자. 낙농.육우, 36(4), 150-156.
  2. 김기용. (2015). IRG 국산 품종 이용 중부지역 조사료 재배면적 확대: 남부지역 중심의 조사료 생산기반을 중부지역까지 확대. 축산기술과 산업, 6(3), 42-44.
  3. 김계수. (2014). 서비스 품질 측정과 경영성과에 대한 PLS 구조방정식모델분석: KNPS 의 모형개발과 적용. 고객만족경영연구, 16(1), 23-41.
  4. 김대원. (2016). PLS 기법을 이용한 임파워링 리더십과 심리적 주인의식 및 지방정부 고객접점 관료들의 고객지향 경계확장행동간 구조적 관계분석. 지방행정연구, 30(1), 321-349.
  5. 김덕현, 황인택, & 이승현. (2015). 농업인의 혁신기술 수용 및 저항 요인과 농식품 ICT 융복합사업 확산의도와의 관계. 농촌지도와 개발, 22(1), 43-54.
  6. 김용규, & 홍승지. (2012). 배추 신종자의 수용 및 지속적 사용의도에 관한 연구. 농업생명과학연구, 46(5), 151-163.
  7. 김웅, 이기권, 유영석, & 최돈우. (2014). 오디 시설재배 조기 확산을 위한 수용요인분석. 농촌지도와 개발, 21(2), 29-56.
  8. 김진모, 전영욱, 임정훈, & 유영주. (2017). 농촌지도인력이 인식한 농촌지도사업에 대한 고객의 요구 및 농촌지도기관의 업무수행수준. 농촌지도와 개발, 24(2), 83-97.
  9. 농촌진흥청. (2016). 농업경영개선을 위한 2015 농축산물 소득자료집. 전주: 농촌진흥청.
  10. 박우성, 서동균, & 이상용. (2009). 농가유형별 혁신기술 수용의 영향요인 분석. 농업경영.정책연구, 36(3), 509-539.
  11. 박재형, 채용우, & 박주섭. (2016). 기술수용모형 적용을 통한 농업경영체의 신품종 종자 도입의도에 관한연구. 식품유통연구, 33(2), 61-80.
  12. 박재형, 최현호, 박주섭, & 채용우. (2016). 중부지역 이탈리안 라이그라스 답리작 안정재배기술 도입요인 및 경영성과 분석. 전주: 농촌진흥청.
  13. 신윤호, & 김대희. (2012). 농업인의 교육요구를 고려한 농촌지도사업의 발전 방향. 농촌지도와 개발, 19(1), 1-28.
  14. 양정희, 이병오, & 허국동. (2012). 우리나라 한우의 경쟁력 제고를 위한 조사료 자급률 확보 방안. 강원 농업생명환경연구, 24(2), 9-17.
  15. 염준호, 이제항, & 박대식. (2016). 한국 중소도시 지방정부의 재정지출 영향요인 연구. 지방정부연구, 20(1), 477-502.
  16. 우병준, 정민국, 이명기, & 김현중. (2011). 벼 대체 사료작물 이용시스템 구축 방안. 한국농촌경제연구원 기본연구보고서. 서울: 농촌경제연구원.
  17. 이병오, 양정희, & 허국동. (2012). 강원도 벼 조사료 생산확대 방안. 강원 농업생명환경연구, 24(4), 42-56.
  18. 이정기, & 주지혁. (2014). 융합모델 (IMTBPT)을 활용한 스마트폰 웹툰 수용의도 결정요인 연구. 방송과 커뮤니케이션, 15(3), 55-97.
  19. 정구현, 최영찬, 박흔동, & 장익훈. (2010). 농업인의 혁신기술 수용 및 지속적 사용 변수간의 관계. 농업교육과 인적자원개발, 42(3), 109-137.
  20. Andrian, A. M., Norwood, S. H., & Mask, P. L. (2005). Producers' perceptions and attitutudes toward precision agriculture technologies. Computers and Electronics in Agriculture, 48(3), 256-271. https://doi.org/10.1016/j.compag.2005.04.004
  21. Flet, R., Alpass, F., Humphries, S., Massey, C., Morriss, S., & Long, N. (2004). The technology acceptance model and use of technology in New Zealand dairy farming. Agricultural System, 80(2), 199-211. https://doi.org/10.1016/j.agsy.2003.08.002
  22. Folorunso, O., & Ogunseye, S. O. (2008). Applying an hanced technology acceptance model to knowledge management in agricultural extension services. Data Science Journal, 7(22), 31-45. https://doi.org/10.2481/dsj.7.31
  23. Fox, J., & Weisberg, S. (2011). An R companion to applied regression. Thousand Oaks, CA: Sage.
  24. Friedl, S. E., Ober, H. K., Stein, T. V., & Andreu, M. G. (2015). Modernizing training options for natural areas managers. Journal of Extension, 53(5). Retrieved November 29, 2017, from https://www.joe.org/joe/2015october/a8.php.
  25. Gentry, M., Edgar, L. D., Graham, D. L., & Kirkpatrick, T. (2017). Assessing extension agents' Nematology knowledge needs and related resource preferences: implications for trainings on complex agricultural topics. Journal of Extension, 55(1). Retrieved November 29, 2017, from https://www.joe.org/joe/2017february/a5.php.
  26. Goswami, R., & Ali, M. N. (2011). Use of participatory exercise for modelling the adoption of organic agriculture. Journal of Extension, 49(3). Retrieved November 29, 2017, from https://www.joe.org/joe/2011june/iw4.php.
  27. Hair, J. F., Hult, G. T. M., Ringle, C., & Sarstedt, M. (2016). A primer on partial least squares structural equation modeling (PLS-SEM). Thousands Oaks, CA: Sage.
  28. Joreskog, K. G., & Sorbom, D. (1989). LISREL 7: A guide to the program and application. Chicago, IL: SPSS.
  29. Martilla, J. A., & James, J. C. (1977). Importance-performance analysis. Journal of Marketing, 41(1), 77-79. https://doi.org/10.2307/1250495
  30. Mayer, R. C., & Davis, J. H. (1999). The effect of the performance appraisal system on trust for management: A field quasi-experiment. Journal of Applied Psychology, 84(1), 123-136. https://doi.org/10.1037/0021-9010.84.1.123
  31. Mitchell, R. J. (2001). Design and analysis of ecological experiments. Oxford, UK: Oxford University Press.
  32. R Development Core Team. (2017). R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing. Retrieved June 18, 2017, from https://www.R-project.org/.
  33. Rezaei-Moghaddam, K., & Salehi, S. (2010). Agricultural specialists' intention toward precision agriculture technologies: Integrating innovation characteristics to technology acceptance model. African Journal of Agricultural Research, 5(11), 1191-1199.
  34. Sanchez, G. (2013). PLS path modeling with R. Berkeley, CA: Trowchez Editions.
  35. Sanchez, G., Trinchera, L., & Russolillo, G. (2017). Plspm: tools for partial least squares path modeling (PLS-PM). R package version 0. 4. 9. Retrieved June 18, 2017, from https://CRAN.R-project.org/package=plspm.
  36. Stevens, J. P. (2012). Applied multivariate statistics for the social sciences. New York, NY: Routledge.
  37. Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS quarterly, 27(3), 425-478. https://doi.org/10.2307/30036540