- عبیات، ناهید؛ عبیات، مصطفی و عبیات، مرتضی. (1400). بررسی تغییرات کاربری اراضی و اثر آن بر روند فرسایش خاک در حوضه باغملک با استفاده از شبکه عصبی مصنوعی و مدل RUSLE. محیط‌شناسی، 47(1)، 89-110. DOI: 10.22059/JES.2021.324250.1008180
- بذرافشان، جواد؛ موسی پور، مهدی و حاتمی، داوود. (1400). تحلیل اثرات خشک‌سالی بر اقتصاد روستایی شهرستان باغملک (طی دوره زمانی 1390-1380). جغرافیا و روابط انسانی، 4 (1)، 219-201. Doi: 10.22034/gahr.2021.286083.1552
- بهبهانی مطلق، محمود؛ شریف‌زاده، محمد شریف؛ عبدالله زاده، غلامحسین و محبوبی، محمدرضا. (1396). واکاوی رفتار کشاورزان در پذیرش فناوری آبیاری تحت‌فشار در شهرستان دشتستان. مجله علوم ترویج و آموزش کشاورزی ایران، 13 (1)، 103-89.
- چوبچیان، پوریا؛ کیامهر، مهدی و ملکی، علی. (1396). بررسی چرایی عدم پذیرش فناوری آبیاری قطرهای توسط کشاورزان در شهرستان سلماس. فصلنامه مدیریت نوآوری، 6(3)، 168-141.
- قدمی فیروزآبادی، علی؛ سیدان، محسن و دهقانی سانیچ، حسین. (1397). بهره‌وری مصرف آب آبیاری و تحلیل اقتصادی تولید سیب‌زمینی در دو سیستم آبیاری بارانی و جویچه‌ای در دشت بهار استان همدان. نشریه آبیاری و زهکشی ایران، 12(6)، 1407-1417. https://idj.iaid.ir/article_85907.html
- قنبری، سیروس و کریمی، ایمان. (1395). بررسی تأثیر آموزش فناوری اطلاعات و ارتباطات بر پذیرش اثربخش فناوری اطلاعات بر اساس مدل پذیرش تکنولوژی (TAM). مدیریت بر آموزش سازمان‌ها، 5(1)، 36-9.
- حمدی، کریم و غفوری، معصومه. (1392). بررسی و تعیین عوامل محیطی در پذیرش تکنولوژی جدید در معلمان مقطع متوسطه در آموزش‌وپرورش ناحیه هشت تهران. مدیریت فرهنگی، 7(21)، 117-130.
- حمیدپور، مهسا و سعیدنیا، حمیدرضا. (1397). نگرش دانشجویان تهران نسبت به خرید اینترنتی بر اساس توسعه مدل پذیرش تکنولوژی و تعیین تأثیر جنسیت بر آن. مدیریت بازاریابی، 1(1)، 18-1.
- حیدریه، عبدالله؛ سید حسینی، محمد و شهابی، علی. (1392). شبیه‌سازی مدل پذیرش فناوری در ایران با رویکرد پویایی سیستم (مطالعه موردی بانکداری ایران). مدیریت توسعه فناوری، 1(1)، 98-67.
- جلالیان، حمید. (1391). تحلیل اثرات نظام‌های آبیاری نوین بر وضعیت بهره‌برداران کشاورزی در شهرستان خدابنده. فصلنامه اقتصاد فضا و توسعه روستایی، 1(2)، 64-41.
- محمدی، علی‌اکبر و علیپور، حسن. (1396). عوامل مؤثر بر توسعه سامانه‌های نوین آبیاری از دیدگاه کارشناسان جهاد کشاورزی استان‌های تهران و البرز. پژوهش آب در کشاورزی، 31(3)، 468-455.
- موحدی، رضا؛ ایزدی، نسیم و وحدت ادب، رضا. (1396). بررسی عوامل مؤثر بر پذیرش فناوری آبیاری تحت‌فشار بین کشاورزان شهرستان اسدآباد. پژوهش آب در کشاورزی، 31(2)، 300-287. DOI: 10.22092/jwra.2017.113172
- شفیعی، بهمن؛ برقی، حمید و قنبری، یوسف. (1398). بررسی اثرات خشک‌سالی بر وضعیت اقتصادی، اجتماعی و محیطی نواحی روستایی از دید سرپرستان خانوارها (مطالعه موردی دهستان حسن آباد در شهرستان اسلام آباد غرب). تحقیقات کاربردی علوم جغرافیایی، 19(55)، 191-173. 10.29252/jgs.19.55.173. DOI:
- توکلی، ناهید؛ شاهین، آرش؛ جهانبخش، مریم؛ مختاری، حبیب‌الله و رفیعی، مریم. (1393). عوامل مؤثر بر پذیرش و استفاده از سامانه پرونده پزشکی الکترونیک (EMR) در پلی کلینیک مرکزی صنعت نفت اصفهان با استفاده از مدل پذیرش تکنولوژی (TAM). مجله بیمارستانی، 2(5). 1-11.
- طالقانی، محمد؛ تقی‌زاده جورشری، محمدرضا و میرزاپور، فاطمه. (1392). ارزیابی روند توسعه مدل پذیرش تکنولوژی (TAM). ماهنامه مهندسی مدیریت، 6(53). 43-48.
- طهماسبی، اصغر؛ عسکری بزایه، فاطمه؛ نورمحمدی، راضیه و رضوی زاده، سیدنورالدین. (1399). تبیین تمایل کشاورزان به استفاده از فناوری‌های نوین آبیاری در دهستان جوادآباد و ورامین. مجله آبیاری و زهکشی ایران، 14 (5). 1686-1699.
- تقوایی، مسعود؛ احمدیان، مهدی و علی زاده، جابر. (1391). تحلیل فضایی و سنجش توسعه‌یافتگی دهستان‌های شهرستان میاندوآب با استفاده از مدل تاپسیس فازی. مجله برنامه‌ریزی فضایی، 1(3). 131-154.
- سهرابی، برهان و رضایی، جواد. (1397). تأثیر سطوح مختلف کم آبیاری در آبیاری بارانی بر عملکرد و کارایی مصرف آب پنبه. مجله پژوهش‌های پنبه ایران، 6(2). 117-130. DOI: 10.22092/ijcr.2019.121152.1109
- Aizen I (1991). The theory of plannedbehavior. Organizational Behavior and Human Decision Process, 50,179-211. DOI: 10.4135/9781446249215.n22.
- Ajili, A., Salehi, S., Rezaei-moghaddam, K., Hayati, D., & Karbalaee, F. (2012). Estimating the model of investigating attitude and intention in the usage of variable rate irrigation technology. American Journal of Experimental Agriculture, 2(3), 542. DOI:10.9734/AJEA/2012/1267.
- Akritidi, D., Gallos, P., Koufi, V., and Malamateniou, F. (2022). Using an Extended Technology Acceptance Model to Evaluate Digital Health Services. Studies in Health Technology and Informatics, 295, 530-533. Doi:10.3233/shti220782.
- Azami, A., Zarafshani, K., Dehghani Sanij, H. & Gurji, A. (2011). Analyzing the educational needs of users of pressurized irrigation systems in Kermanshah province (case study of Sanghar county). Water and soil journal, 25(5). 1119-1127. https://doi.org/10.22067/jsw.v0i--.11222 [In Persian].
- Bagheri, A., Bondori, A., Allahyari, M. S., and Surujlal, J. (2021). Use of biologic inputs among cereal farmers: application of technology acceptance model. Environment, Development and Sustainability, 23(4), 5165-5181. Doi.org/10.1007/s10668-020-00808-9.
- Bagheri, A., Bondori, A., and Damalas, C. A. (2019). Modeling cereal farmers’ intended and actual adoption of integrated crop management (ICM) practices. Journal of Rural Studies, 70, 58-65. Doi.org/10.1016/j.jrurstud.2019.05.009
- Bagozzi, R. P. (2007). The legacy of the technology acceptance model and a proposal for a paradigm shift. Journal of the association for information systems, 8(4), 31-60.
- Bjornlund, H., Nicol, L., and Klein, K. K. (2009). The adoption of improved irrigation technology and management practices—A study of two irrigation districts in Alberta, Canada. Agriculturalwater management, 96(1), 121-131. Doi.org/10.1016/j.agwat.2008.07.009.
- Boazar, M., Yazdanpanah, M., and Abdeshahi, A. (2019). Response to water crisis: How do Iranian farmers think about and intent in relation to switching from rice to less water-dependent crops?. Journal of hydrology, 570, 523-530. https://doi.org/10.1016/j.jhydrol.2019.01.021
- Bondori, A., Bagheri, A., Sookhtanlou, M., and Damalas, C. A. (2021). Modeling farmers’ intention for safe pesticide use: the role of risk perception and use of information sources. Environmental Science and Pollution Research, 28(47), 66677-66686. https://doi.org/10.1007/s11356-021-15266-7
- Davis, F.D., Bagozzi, R.P. & Warshaw, P.R. )1989(. User acceptance of computer technology: A comparison of two theoretical models. Management science, 35(8), 982-1003. https://doi.org/10.1287/mnsc.35.8.982
- Eldredge, L. K. B., Markham, C. M., Ruiter, R. A., Fernández, M. E., Kok, G., and Parcel, G. S. (2016). Planning health promotion programs: an intervention mapping approach. John Wiley & Sons.
- Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of marketing research, 18(1), 39-50. https://doi.org/10.1177/002224378101800104
- Friedlander, L., Tal, A., and Lazarovitch, N. (2013). Technical considerations affecting adoption of drip irrigation in sub-Saharan Africa. Agricultural water management, 126, 125-132. https://doi.org/10.1016/j.agwat.2013.04.014.
- Gholami, Z., Ebrahimian, H., & Noory, H. (2015). Investigation of irrigation water productivity in sprinkler and surface irrigation systems (case study: Qazvin Plain). Journal of Irrigation Sciences and Engineerin, 41(1), 17-30. [In Persian].
- Henning, J. B., Stufft, C. J., Payne, S. C., Bergman, M. E., Mannan, M. S., & Keren, N. (2009). The influence of individual differences on organizational safety attitudes. Safety science, 47(3), 337-345. https://doi.org/10.1016/j.ssci.2008.05.003
- Holt, J. R., Butler, B. J., Borsuk, M. E., Markowski-Lindsay, M., MacLean, M. G., & Thompson, J. R. (2021). Using the Theory of Planned Behavior to Understand Family Forest Owners’ Intended Responses to Invasive Forest Insects. Society & Natural Resources, 34(8), 1001-1018. https://doi.org/10.1080/08941920.2021.1924330
- Hulland, J. (1999). Use of partial least squares (PLS) in strategic management research: A review of four recent studies. Strategic management journal, 20(2), 195-204. https://doi.org/10.1002/(SICI)1097-0266(199902)20:2<195::AID-SMJ13>3.0.CO;2-7
- IPCC, 2022: Climate Change. (2022). Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change.
- Kim, D. J., Ferrin, D. L., & Rao, H. R. (2008). A trust-based consumer decision-making model in electronic commerce: The role of trust, perceived risk, and their antecedents. Decision support systems, 44(2), 544-564. https://doi.org/10.1016/j.dss.2007.07.001
- Klopping, I. M., & McKinney, E. (2004). Extending the technology acceptance model and the task-technology fit model to consumer e-commerce. Information Technology, Learning & Performance Journal, 22(1).
- Lee, Y. C. (2006). An empirical investigation into factors influencing the adoption of an e‐learning system. Online information review. https://doi.org/10.1108/14684520610706406
- Liu, J., Scanlon, B. R., Zhuang, J., and Varis, O. (2020). Food-energy-water nexus for multi-scale sustainable development. Resources, Conservation Recycling, 154, 104565. DOI: 10.1016/j.resconrec.2019.104565.
- Mahboubi, M. Esmailie Aval, M. & Yaghoubi, j. (2017). Impeding and facilitating factors influencing on using new irrigation methods by farmers: Case of West Boshroyeh Township in Southern Khorasan. Journal of Water and Irrigation Management, 1(1). 87-98. [In Persian].
- Mantas, J. (2022). Using an Extended Technology Acceptance Model to Evaluate Digital Health Services.
- Marcos, K. J., Moersidik, S. S., & Soesilo, T. E. (2021, March). Extended theory of planned behavior on utilizing domestic rainwater harvesting in Bekasi, West Java, Indonesia. In IOP Conference Series: Earth and Environmental Science (Vol. 716, No. 1, p. 012054). IOP Publishing. DOI: 10.1088/1755-1315/716/1/012054
- Miltgen, C. L., Popovič, A., & Oliveira, T. (2013). Determinants of end-user acceptance of biometrics: Integrating the “Big 3” of technology acceptance with privacy context. Decision support systems, 56, 103-114. https://doi.org/10.1016/j.dss.2013.05.010
- Mohr, S., and Kühl, R. (2021). Acceptance of artificial intelligence in German agriculture: an application of the technology acceptance model and the theory of planned behavior. Precision Agriculture, 22(6), 1816-1844. https://doi.org/10.1007/s11119-021-09814-x
- Momvandi, A., Omidi Najafabadi, M., Hosseini, J. F., & Lashgarara, F. (2018). The identification of factors affecting the use of pressurized irrigation systems by farmers in Iran. Water, 10(11), 1532. DOI:10.3390/w10111532.
- Moon, J. W., and Kim, Y. G. (2001). Extending the TAM for a World-Wide-Web context. Information & management, 38(4), 217-230. https://doi.org/10.1016/S0378-7206(00)00061-6
- Namahoot, K. S., & Rattanawiboonsom, V. (2022). Integration of TAM Model of Consumers’ Intention to Adopt Cryptocurrency Platform in Thailand: The Mediating Role of Attitude and Perceived Risk. Human Behavior and Emerging Technologies, 2022. https://doi.org/10.1155/2022/9642998
- Park, N., Rhoads, M., Hou, J., & Lee, K. M. (2014). Understanding the acceptance of teleconferencing systems among employees: An extension of the technology acceptance model. Computers in Human Behavior, 39, 118-127. https://doi.org/10.1016/j.chb.2014.05.048
- Perry, C., Steduto, P., & Karajeh, F. (2017). Does improved irrigation technology save water? A review of the evidence. Food and Agriculture Organization of the United Nations, Cairo, 42.
- Raheli, H., Zarifian, S., & Yazdanpanah, M. (2020). The power of the health belief model (HBM) to predict water demand management: A case study of farmers’ water conservation in Iran. Journal of environmental management, 263, 110388. https://doi.org/10.1016/j.jenvman.2020.110388
- Sánchez, M., López-Mosquera, N., Lera-López, F., & Faulin, J. (2018). An extended planned behavior model to explain the willingness to pay to reduce noise pollution in road transportation. Journal of cleaner production, 177, 144-154. https://doi.org/10.1016/j.jclepro.2017.12.210
- Shin, J., Moon, S., Cho, B. H., Hwang, S., and Choi, B. (2022). Extended technology acceptance model to explain the mechanism of modular construction adoption. Journal of Cleaner Production, 342, 130963. https://doi.org/10.1016/j.jclepro.2022.130963
- Ullah, S., Abid, A., Aslam, W., Noor, R. S., Waqas, M. M., & Gang, T. (2021). Predicting behavioral intention of rural inhabitants toward economic incentive for deforestation in Gilgit-Baltistan, Pakistan. Sustainability, 13(2), 617. https://doi.org/10.3390/su13020617
- Valizadeh, N., Rezaei-Moghaddam, K., & Hayati, D. (2020). Analyzing Iranian farmers' behavioral intention towards acceptance of drip irrigation using extended technology acceptance model. Journal of Agricultural Science and Technology, 22(5), 1177-1190. [In Persian].
- Wallace, L. G., & Sheetz, S. D. (2014). The adoption of software measures: A technology acceptance model (TAM) perspective. Information & Management, 51(2), 249-259. https://doi.org/10.1016/j.im.2013.12.003
- Wang, Y., Liang, J., Yang, J., Ma, X., Li, X., Wu, J., ... & Feng, Y. (2019). Analysis of the environmental behavior of farmers for non-point source pollution control and management: An integration of the theory of planned behavior and the protection motivation theory. Journal of environmental management, 237, 15-23. https://doi.org/10.1016/j.jenvman.2019.02.070
- Warner, L. A., & Diaz, J. M. (2021). Amplifying the Theory of Planned behavior with connectedness to water to inform impactful water conservation program planning and evaluation. The Journal of Agricultural Education and Extension, 27(2), 229-253. https://doi.org/10.1080/1389224X.2020.1844771
- Wetzels, M., Odekerken-Schröder, G., & Van Oppen, C. (2009). Using PLS path modeling for assessing hierarchical construct models: Guidelines and empirical illustration. MIS quarterly, 177-195. https://doi.org/10.2307/20650284
- Zhong, F., Li, L., Guo, A., Song, X., Cheng, Q., Zhang, Y., & Ding, X. (2019). Quantifying the influence path of water conservation awareness on water-saving irrigation behavior based on the Theory of Planned Behavior and structural equation modeling: A case study from Northwest China. Sustainability, 11(18), 4967. https://doi.org/10.3390/su11184967
|
