Epsilon Archive for Student Projects

Abstract

Den globala efterfrågan på mat växer och sätter allt större krav på jordbruket att möta
livsmedelsbehovet samtidigt som det finns oro över dess negativa miljöpåverkan.
Jordbrukssektorn står för en betydande del av Sveriges växthusgasutsläpp, vilket kräver
ökad resurseffektivitet för att uppnå långsiktiga klimatmål. Tekniska innovationer inom
precisionsodlingsteknologier har potentialen att öka grödans avkastning, minska
miljöpåverkan och öka resurseffektiviteten. Studier har identifierat utmaningar såsom
bristande utbildningsmöjligheter och intresse bland lantbrukare för att implementera dessa
teknologier. En annan studie har visat att nybörjare inom precisionsodlingsteknik har
gynnats av att dra nytta av olika nätverk för att underlätta innovationsprocessen.
Studien har intervjuat tio lantbrukare som har implementerat VRA-teknik i företaget i syfte
att undersöka hur nätverkens roll verkar som nyckeldrivkraft i införandet av
precisionsodlingsteknologier. En kvalitativ metod har använts i studien. De modeller som
har använts är Triggering change model och Fogg behavior model. Triggering change
model delar upp innovationsprocessen i fem olika faser vilka den här studien har utgått
ifrån vid utformningen av intervjuguiden (bilaga 1) för att kunna identifiera vilka nätverk
lantbrukaren har använt i de olika faserna. Fogg behavior model har studien sedan utgått
ifrån i diskussionen för att förklara vad som har motiverat lantbrukarna till att implementera
VRA-teknik, vad som har gett dem förmågan att göra det samt vad som har triggat och
uppmanat dem.
Resultatet visar på att nätverk har en betydande roll för införandet av
precisionsodlingsteknologier. Framför allt efter att implementeringen är gjord.
Anledningen till att de flesta av de intervjuade började med VRA-teknik berodde mer på
ett intresse för tekniken och en förhoppning om att kunna optimera växtodlingen. Störst
betydelse hade nätverk när det uppstod problem med tekniken samt för att få hjälp med att
göra styrfiler. Dock påpekades det av flera lantburkare att de upplever att de saknas
kompetens hos rådgivare inom VRA-teknik, och att det skulle behövas ett större stöd vid
beslutsfattande om hur styrfiler ska utformas för att kunna optimera insatsvarorna
ytterligare.

The global demand for food is growing which is putting pressure on the agriculture to meet
the food needs, at the same time there is a worry of its negative climate impact. The
agriculture sector is responsible for a significant portion of Swedens greenhouse gas
emissions, this requires an increased resource efficiency to achieve the long-term climate
goals. Technical innovations in precision agriculture technologies have the potential to
increase the crop yields, reduce environmental impact and enhance the resource efficiency.
Studies have identified challenges such as lack of educational opportunities and interest
among farmers to implement these technologies. Another study has shown that beginners
in precision agriculture have benefited from utilizing various networks to facilitate the
innovation progress.
The study has interviewed ten farmers which has implemented VRA technology in their
business to investigate how the role of networks acts as the key driver in the adoption of
precision farming technologies. A qualitative method was used in the study. The models
used were The Triggering change modell and The Fogg behavior modell. The triggering
change modell divides the innovation process into five different phases, which the study
used when designing the interview guide (appendix 1) to indentify which networks the
farmer has used in the various phases. The study then used the Fogg behavior modell in the
discussion to explain what motivated the farmers to implement VRA technology, what
gave them the ability to do so, and what encouraged them.
The results show that networks play a significant role in the adoption of precision farming
technologies, especially after the implementation is done. The reason most of the
interviews started with VRA technology was more due to an interest in the technology and
hope of optimizing crop cultivation. Networks were most important when problems with
the technology arose and for help with creating control files. However, several pointed out
that they feel there is lack of competence among advisors about VRA technology, and that
greater support is needed in decision making on how control files should be designed to
optimize inputs further.