DOI: https://doi.org/10.1177/24551333251345224
تاريخ النشر: 2025-07-04
المؤلف: Christopher High وآخرون
الموضوع الرئيسي: التنمية والإدارة الزراعية
نظرة عامة
تتناول ورقة البحث دور الذكاء الاصطناعي (AI) في الإرشاد الزراعي، لا سيما في دعم المزارعين الصغار والهامشيين الذين يواجهون تحديات تتعلق بالأمن الغذائي والمخاطر البيئية. تقدم الورقة تصنيفًا للتعلم يعتمد على موقع إنتاج المعرفة وتوجه أنظمة المعرفة والابتكار الزراعي (AKIS). تركز التحليل على Farmer.Chat، وهي أداة استشارية تعتمد على الذكاء الاصطناعي التوليدي تم تطويرها بواسطة Digital Green وMicrosoft Research، وتقيّم فعاليتها في تعزيز أهداف الإرشاد الأخلاقي والمشاركي. تشير النتائج إلى أنه بينما يعزز Farmer.Chat الوصول إلى المعلومات الشخصية، فإنه يميل إلى تفضيل التواصل أحادي الاتجاه. لكي يحقق الذكاء الاصطناعي إمكاناته في الإرشاد الزراعي، يجب دمجه في البنى الاجتماعية الموثوقة التي تسهل التغذية الراجعة وتتماشى مع مبادئ التعلم التشاركي.
تؤكد الخاتمة على الحاجة إلى أن تدعم أنظمة الذكاء الاصطناعي ليس فقط التعلم الذي يركز على الكفاءة ولكن أيضًا التعلم التحويلي الذي يشجع المزارعين على إعادة التفكير في ممارساتهم في ضوء قيمهم وسياقاتهم. تبرز أهمية الثقة، والعلاقات بين الأقران، والبنية الاجتماعية في تعزيز AKIS متنوعة. تقترح الورقة جدول أعمال بحثي يعالج أسئلة حاسمة تتعلق بدمج تغذية راجعة من المزارعين في أنظمة الذكاء الاصطناعي، وتعزيز التعلم العلاقي، ونماذج الحوكمة اللازمة لدمج المعرفة المستندة إلى المجتمع. من خلال التركيز على هذه المجالات، يدعو المؤلفون إلى التحول من مجرد تعزيز الكفاءة التكنولوجية إلى تطوير أنظمة معرفة شاملة وقابلة للتكيف ومركزية حول المزارع في الإرشاد الزراعي.
مقدمة
تسلط المقدمة الضوء على الحاجة الملحة لتحول في الزراعة العالمية، لا سيما في الجنوب العالمي، حيث يواجه المزارعون الصغار والهامشيون تحديات كبيرة مثل عدم استقرار المناخ، وفقدان التنوع البيولوجي، والضعف الاقتصادي. غالبًا ما تكافح أنظمة الإرشاد الزراعي التقليدية، التي تهدف إلى تحسين الإنتاجية والاستدامة، لتوفير الدعم الشخصي وفي الوقت المناسب بسبب المسؤوليات الإدارية المتنافسة والقيود الهيكلية. يؤكد النص على ضرورة تطور هذه الأنظمة لتتجاوز الأساليب من الأعلى إلى الأسفل لتبني التعلم المتبادل والقدرة على التكيف، داعيًا إلى التحول نحو تعلم أعمق على مستوى النظام يمكنه معالجة الحقائق المعقدة التي يواجهها صغار المزارعين.
كما يتم مناقشة دور تكنولوجيا المعلومات والاتصالات (ICTs) في تعزيز الإرشاد الزراعي، مع الإشارة إلى إمكاناتها والحواجز أمام اعتمادها بين المزارعين الصغار، مثل الاتصال المحدود ومحو الأمية الرقمية. تفترض المقدمة أن تكنولوجيا المعلومات والاتصالات الجديدة، لا سيما الذكاء الاصطناعي التوليدي (AI)، يمكن أن تحسن بشكل كبير الوصول إلى المعرفة الزراعية الشخصية والملائمة. تتناول المقالة بشكل خاص حالة Farmer.Chat، وهي منصة استشارية مدعومة بالذكاء الاصطناعي تم تطويرها بواسطة Digital Green، وتحلل تصميمها وتنفيذها ضمن إطار أنظمة المعرفة والابتكار الزراعي (AKIS). تهدف الدراسة إلى استكشاف أبعاد إنتاج المعرفة وتوجه AKIS في سياق الإرشاد الزراعي المدعوم بالذكاء الاصطناعي.
الطرق
تقيّم قسم المنهجية في الدراسة تنفيذ Farmer.Chat في كينيا، باستخدام نهج مختلط يجمع بين البيانات الكمية والنوعية. تشمل التحليلات الكمية سجلات المنصة من أكثر من 300,000 استفسار من أكثر من 15,000 مستخدم عبر أربع دول، مع التركيز على جوانب مثل محتوى الاستفسار، التعقيد، الوضوح، وتكرار التفاعل. يتم أيضًا تقييم مقاييس أداء الاستجابة، بما في ذلك زمن الاستجابة وتغطية الموضوعات، باستخدام تقييمات قائمة على LLM لوضوح الاستفسار ودقة الاستجابة.
شملت جمع البيانات النوعية 14 مناقشة جماعية مع 199 مشاركًا، ومقابلات معمقة مع سبعة مستخدمين، واختبارات قابلية الاستخدام، واستطلاعات هاتفية كل أسبوعين مع 40 مستخدمًا، مع ضمان التوازن بين الجنسين. بالإضافة إلى ذلك، تم إجراء جلسات متابعة تستمر من 6 إلى 8 ساعات لاستكشاف العوامل السياقية التي تؤثر على مشاركة المستخدمين وثقتهم. تم تحليل النتائج من خلال عدسة نظرية التعلم، وبشكل خاص إطار نظام المعرفة والمعلومات الزراعية (AKIS)، لتقييم كيفية تسهيل Farmer.Chat أو تقييد تبادل المعرفة، وبناء الثقة، وتمكين المستخدمين في الإرشاد الزراعي.
المناقشة
تسلط المناقشة حول نظام المعرفة والمعلومات الزراعية (AKIS) ودمجه مع تقنيات الذكاء الاصطناعي (AI)، لا سيما من خلال دراسة حالة Farmer.Chat من Digital Green، الضوء على كل من الإمكانات والتحديات التي تواجه خدمات الإرشاد الزراعي الحديثة. تاريخيًا، تطور الإرشاد الزراعي من نموذج خطي لنقل المعرفة إلى إطار أكثر تفاعلية ومشاركة، مع التأكيد على دور المزارعين كمنتجين نشطين للمعرفة. يدعو منظور AKIS إلى نهج مرن ومحدد للسياق يعترف بالترابط الاجتماعي للتعلم، حيث يتعلم المزارعون من بعضهم البعض ضمن سياقاتهم الثقافية. يبرز هذا التحول أهمية الاعتبارات الأخلاقية، مثل احترام وجهات نظر المزارعين وتعزيز الوكالة الجماعية، والتي تعتبر حاسمة للتعلم الفعال والابتكار في الزراعة.
تظهر منصة Farmer.Chat وعد الذكاء الاصطناعي في تعزيز خدمات الاستشارة الزراعية من خلال توفير دعم شخصي، متعدد اللغات، ومتعدد الوسائط للمزارعين الصغار. ومع ذلك، تكشف دراسة الحالة أيضًا عن قيود كبيرة، لا سيما في تعزيز التغذية الراجعة الحقيقية والت co-creation. بينما حسنت المنصة الوصول إلى المعلومات، فإنها غالبًا ما تعمل ضمن نموذج تواصل أحادي الاتجاه قد يهمش المعرفة المحلية ويعيق التعلم العلاقي. إن الاعتماد على الميسرين البشريين لبناء الثقة والتفسير يعقد أيضًا قابلية توسيع الأداة وشموليتها. لذلك، يجب أن تركز الأبحاث والتطوير المستقبلية على دمج تقنيات الذكاء الاصطناعي ضمن الأطر الاجتماعية والمؤسسية القائمة لتعزيز التعلم التشاركي، وضمان أن الأدوات الرقمية لا تعزز فقط الوصول إلى المعلومات ولكن أيضًا تسهل المشاركة الهادفة في إنشاء واستخدام المعرفة.
DOI: https://doi.org/10.1177/24551333251345224
Publication Date: 2025-07-04
Author(s): Christopher High et al.
Primary Topic: Agricultural Development and Management
Overview
The research paper examines the role of artificial intelligence (AI) in agricultural extension, particularly in supporting small and marginal farmers who face challenges related to food security and environmental risks. It introduces a typology of learning based on the locus of knowledge production and the orientation of agricultural knowledge and innovation systems (AKIS). The analysis focuses on Farmer.Chat, a generative AI advisory tool developed by Digital Green and Microsoft Research, assessing its effectiveness in promoting ethical and participatory extension goals. The findings indicate that while Farmer.Chat enhances access to personalized information, it tends to favor one-way communication. For AI to fulfill its potential in agricultural extension, it must be integrated into trusted social infrastructures that facilitate feedback and align with participatory learning principles.
The conclusion emphasizes the need for AI systems to support not only efficiency-focused learning but also transformational learning that encourages farmers to rethink their practices in light of their values and contexts. It highlights the importance of trust, peer relationships, and social infrastructure in fostering a diverse AKIS. The paper proposes a research agenda that addresses critical questions regarding the integration of farmer feedback into AI systems, the promotion of relational learning, and the governance models necessary for incorporating community-based knowledge. By focusing on these areas, the authors advocate for a shift from merely enhancing technological efficiency to developing inclusive, adaptive, and farmer-centered knowledge systems in agricultural extension.
Introduction
The introduction highlights the urgent need for a transformation in global agriculture, particularly in the Global South, where small and marginal farmers face significant challenges such as climate instability, biodiversity loss, and economic vulnerability. Traditional agricultural extension systems, which aim to improve productivity and sustainability, often struggle to provide personalized and timely support due to competing administrative responsibilities and structural constraints. The text emphasizes the necessity for these systems to evolve beyond top-down approaches to embrace mutual learning and adaptability, advocating for a shift towards deeper, system-level learning that can address the complex realities faced by smallholders.
The role of information and communication technologies (ICTs) in enhancing agricultural extension is also discussed, noting both their potential and the barriers to adoption among small farmers, such as limited connectivity and digital literacy. The introduction posits that novel ICTs, particularly generative artificial intelligence (AI), could significantly improve access to personalized and relevant agricultural knowledge. The article specifically examines the case of Farmer.Chat, an AI-powered advisory platform developed by Digital Green, analyzing its design and implementation within the framework of agricultural knowledge and innovation systems (AKIS). The study aims to explore the dimensions of knowledge production and the orientation of the AKIS in the context of AI-enabled agricultural extension.
Methods
The methodology section of the study evaluates the implementation of Farmer.Chat in Kenya, utilizing a mixed-methods approach that integrates both quantitative and qualitative data. Quantitative analysis encompasses platform logs from over 300,000 user queries by more than 15,000 users across four countries, focusing on aspects such as query content, complexity, clarity, and interaction frequency. Metrics for response performance, including latency and topic coverage, are also assessed using LLM-based scoring for query articulation and response accuracy.
Qualitative data collection involved 14 focus group discussions (FGDs) with 199 participants, in-depth interviews with seven users, usability tests, and bi-weekly phone surveys with 40 users, ensuring gender balance. Additionally, shadowing sessions lasting 6-8 hours were conducted to explore contextual factors affecting user engagement and trust. The findings were analyzed through the lens of learning theory, specifically the Agricultural Knowledge and Information System (AKIS) framework, to evaluate how Farmer.Chat facilitates or constrains knowledge exchange, trust-building, and user empowerment in agricultural extension.
Discussion
The discussion surrounding the Agricultural Knowledge and Information System (AKIS) and its integration with artificial intelligence (AI) technologies, particularly through the case study of Digital Green’s Farmer.Chat, highlights both the potential and challenges of modern agricultural extension services. Historically, agricultural extension has evolved from a linear model of knowledge transfer to a more interactive and participatory framework, emphasizing the role of farmers as active knowledge producers. The AKIS perspective advocates for a flexible, context-specific approach that recognizes the social embeddedness of learning, where farmers learn from one another within their cultural contexts. This shift underscores the importance of ethical considerations, such as respecting farmers’ worldviews and promoting collective agency, which are critical for effective learning and innovation in agriculture.
The Farmer.Chat platform exemplifies the promise of AI in enhancing agricultural advisory services by providing personalized, multilingual, and multimodal support to smallholder farmers. However, the case study also reveals significant limitations, particularly in fostering genuine feedback and co-creation. While the platform has improved access to information, it often operates within a one-way communication model that may marginalize local knowledge and inhibit relational learning. The reliance on human facilitators for trust-building and interpretation further complicates the scalability and inclusivity of the tool. As such, future research and development must focus on integrating AI technologies within existing social and institutional frameworks to promote participatory learning, ensuring that digital tools not only enhance access to information but also facilitate meaningful engagement in knowledge creation and use.