چارچوبی مفهمومی برای هدایت توسعه مشارکتی سیستم های پشتیبانی تصمیم گیری در کشاورزی

چکیده

هدف دانشمندان از توسعه‌ی سیستم‌های پشتیبانی تصمیم با DSSها افزایش قابلیت دسترسی به دانش کشاورزی برای کشاورزان و ماموران ترویج کشاورزی است. علی رغم استفاده‌ی گسترده از رویکردهای مشارکتی در توسعه‌ی DSS کشاورزی، توجه به این اقدامات تنها به انجاممشارکت و یا مسئله‌ی پیاده‌سازی، زمانی که ذی‌نفعانDSS را به کار نگرفته‌اند، محدود شده است. اشاره‌‌ی چندانی به رویکردهای نظری مرتبط با فرایندهای اجتماعی دخیل در مشارکت و یا پیاده‌سازی نشده است.با این وجود، اگر کاربرد اصلی DSS بهره‌برداری از قابلیت‌های کامل آن است، باید به شناخت مفهومی کامل‌تری از چگونگی همکاری ذی‌نفعان در توسعه ی مشارکتی DSS، دست پیدا کنیم. برای اینکه نقشی در این مفهوم‌سازی داشته باشیم، از چارچوبی مبتنی بر سه مفهوم به دست آمده از حوزه‌ی مطالعات علوم و فناوری استفاده کردیم: چارچوب‌های فناوری، انعطاف پذیری تفسیری و اشیاء مرزی. این چارچوب بر اهمیّت و ارزش یادگیری اجتماعی برای توسعه‌ی DSSمشارکتی تاکید دارد که به بررسی دیدگاه‌های مختلف طرفین مشارکت‌کننده در رابطه با سیستم کشاورزی نشان داده شده در DSS مبتنی است. چارچوب ما تعریف گسترده‌ای از موفقیت برای توسعه‌ی مشارکتی DSS را در بردارد و در طول این فرایند مشارکتی در مقایسه با کاربردهای بعدی DSS توسط کشاورزان و یا مشاوران، تاکید آن بر یادگیری بیشتر است. در این پژوهش از دو مطالعه‌ی موردی در رابطه با همکاری ذی‌نفعان برای دستیابی به یک برنامه‌ریزی آبیاری DSS برای تولید چغندر قند استفاده شد تا بتوان به میزان کاربرد این چارچوب با موضوع پژوهش پی برد. مفاهیم ارائه شده در این چارچوب به وضوح در طی این مطالعات موردی نشان داده شدند. در پایان این مطالعات موردی، خروجی‌های متضاد برای DSS بیان شدند. یک گروه‌ از کشاورزان خواهان استفاده از این چارچوب در مدیریت آبیاری مداوم خود بودند، در حالیکه به نظر گروه دیگر، مزایای چندانی در استفاده از DSS وجود نداشت. در هر دو مورد، یادگیری مشترکی در میان شرکت‌کنندگان در این مطالعه‌‌ی موردی رخ داد، پس می‌تواننتیجه گرفت که فرایند مشارکتی حتما موفقیت آمیز خواهد بود.

1. مقدمه

بهره‌وری رو به کاهش کشاورزی، تغییرات اقلیمی رو به افزایش و دغدغه‌های روز افزون در رابطه با اثرات زیست‌محیطی کشاورزی، سبب ایجاد چالش‌های بزرگی در حوزه‌ی مدیریت مزارع در استرالیا شده‌است (کیتینگ و کاربری، 2010). این چالش‌ها سبب وادار ساختن افراد برای جست‌و‌جو برای شیوه‌های به‌کارگیری دانش علمی در قالب ابزاری شده است که به کشاورزان در اتخاذ تصمیم‌های کشاورزی کمک می‌کند. این ابزار عبارتند از سیستم‌های پشتیبانی تصمیم (DSS) که به قابل دسترس‌تر کردن دانش کشاورزی برای کشاورزان کمک می‌کند (مک کون، 2002). DSSهای کشاورزینرم‌افزارهای رایانه‌ای هستند که معمولا مبتنی بر مدل‌های رایانه‌ای هستند که در رابطه با فرایندهای مختلف زیست‌شناسی در سیستم‌های کشاورزی و چگونگی واکنش و پاسخ آن‌ها به روش‌های مختلف مدیریت کشاورزی(مانند آبیاری، کودها، کشت‌و‌کار، و تاریخ‌های برداشت محصول) و/یا تغییرات اقلیمی (مانند دمای هوا و بارش باران)توضیح‌می‌دهد. به طور مثال، DSSها به مدیریت محصولات کتان کمک می‌کنند (مانند GoSSYM?COMAX؛ هاجیز و همکاران، 1998)، سبب بهینه‌سازی مدیریت کودهای نیتروژنی می‌شوند (مانند SUNDIAL؛ اسمیت و همکاران، 1996؛ جیبونز و همکاران، 2005) و یا به ارزیابی تاثیر تغییرات اقلیمی فصلی بر روی تولید محصولات کمک می‌کنند (مانند واپر کراپر؛ نلسون و همکاران، 2002؛ ییلد پرافت؛ هاچمن و همکاران، 2009).

6. نتیجه‌گیری

چارچوب ما مفاهیم چارچوب‌های فناوری، انعطاف‌پذیری تفسیری و اشیاء مرزیاز مطالعات علوم و فناوری را با اصول یادگیری اجتماعی ترکیب می‌کند تا بتواند توضیحی در رابطه با فرایندهای اجتماعی در توسعه‌ی مشارکتی DSSها را در اختیار ما قرار دهد. این چارچوب بر این موضوع تاکید می کند که اگر به عنوان یک شیء مرزی مورد استفاده قرار گیرد، سبب تسهیل یادیگری اجتماعی میان کشاورزان، ماموران ترویج و دانشمندان دخیل در توسعه می‌شود. مطالعات موردی ما از برنامه‌ریزی DSSWaterSense نشان داد که با عمل کردن به عنوان یک شیء مرزی، WaterSense قادر است تا شکاف میان جناح‌های دیگری را از طریق یک دوره‌ی مشارکتی و تکراری بازخورد و بحث، را از میان بردارد. این شامل شناخت و احترام به دیدگاه‌های مختلف این جناح ها می‌شود (یعنی همان انعطاف‌پذیری تفسیری) و بعد فرصت کار با یکدیگر به عنوان یک شناخت مشترک را فراهم می‌کند (یعنی توافق در رابطه با چارچوب‌های مطابق‌تر فناوری). درک شیوه‌ی عملکرد DSS به عنوان یک شیء مرزی به ما کمک می‌کند که از همکاری میان این ذی‌نفعان آگاهی بیشتری پیدا کنیم، علی‌رغم اینکه افراد ممکن است شناختمتفاوتی از DSS و یا مسائلی کهحل می‌کند، داشته باشند. به جای تعریف موفقیت DSSها تنها به لحاظ استفاده‌ی مداوم، توسعه‌ی مشارکتی یک DSS را باید به لحاظ توانایی آن برای تسهیل هم-افزایی و روش‌های بهتر، ارزیابی نمود. چارچوب ما اطلاعات بیشتری در رابطه با این روش را در اختیار افرادی گه در توسعه‌ی فناوری‌های کشاورزی نقش دارند، قرار می‌دهد. با این کار، چارچوب ما سبب تسهیل کارامد توسعه‌ی مشارکتی فناوری و فرایندهای کاربردی می‌شود و به DSSها کمک می‌کند تا از کارایی بیشتری در مدیریت پایدار مزارع برخوردار باشند.

Abstract

Scientists develop decision support systems (DSSs) to make agricultural science more accessible for farmers and extension officers. Despite the growing use of participatory approaches in agricultural DSS development, reflection on this endeavour has largely focused on the ‘doing’ of participation or the ‘problem of implementation’ when DSSs have not been adopted by stakeholders. There has been little reference to relevant theoretical approaches to the social processes involved in ‘participation’ or ‘implementation’. However, if DSS use is to reach its full potential, a more conceptually informed understanding of how stakeholders collaborate in the participatory development of DSSs is required. To contribute to this conceptualisation, we developed a framework based on three concepts drawn from the field of science and technology studies: technological frames, interpretative flexibility and boundary objects. The framework highlights the importance and value of social learning for participatory DSS development, which relies upon exploring the participating parties’ different perspectives on the agricultural system represented in the DSS. Our framework provides a broad definition of success for participatory DSS development, placing greater weight on learning during the participatory process compared with subsequent use of the DSS by farmers and/or advisors. Two case studies of stakeholder collaboration to develop an irrigation scheduling DSS for sugarcane production were used to explore the relevance of the framework. The concepts in the framework were clearly displayed during the case studies. At the conclusion of the studies there were contrasting outcomes for the DSS. One group of farmers was keen to apply it in their ongoing irrigation management, while another saw little relative advantage in use of the DSS. In both instances co-learning occurred amongst case study participants, so the participatory process was clearly a success.

1. Introduction

The declining profitability of agriculture, increasing climatic variability and growing concerns over the environmental impacts of farming pose complex challenges for farm management in Australia (Keating and Carberry, 2010). These challenges have prompted a search for ways in which scientific knowledge can be incorporated into tools that can assist farmers in making farm management decisions. These tools include decision support systems (DSSs), which help make agricultural science more accessible to and useful for farmers (McCown, 2002). Agricultural DSSs are software applications, typically based on computer models that describe various biophysical processes in farming systems and how they respond to different management practices (e.g. irrigation, fertiliser, sowing and harvesting dates) and/or climatic variability (e.g. temperature and rainfall). For example, DSSs may aid the management of cotton crops (e.g. GOSSYM/COMAX; Hodges et al., 1998), optimise nitrogen fertiliser management (e.g. SUNDIAL; Smith et al., 1996; Gibbons et al., 2005), or assess the impact of seasonal climate variability on crop production (e.g. Whopper Cropper; Nelson et al., 2002: Yield Prophet; Hochman et al., 2009).

6. Conclusion

Our framework combines the concepts of technological frames, interpretative flexibility and boundary objects from science and technology studies with social learning principles, to provide an explanation of the social processes in the participatory development of DSSs. The framework emphasises that, when deployed as a boundary object, a DSS encourages social learning between the farmers, extension officers and scientists involved in its development. Our case studies of the irrigation scheduling DSS WaterSense showed that, by acting as a boundary object, WaterSense was able to help bridge gaps between these parties through an iterative and participatory cycle of discussion and feedback. This involved acknowledging and respecting the different perspectives held by these parties (i.e. interpretative flexibility) and then taking up the opportunity to work together towards a shared understanding (i.e. arriving at more congruent technological frames). Appreciating the way in which a DSS can act as a boundary object recognises how cooperation among these multiple stakeholders can occur, despite the fact that these people can hold diverse perceptions of the DSS or the issue it is designed to address. Instead of defining the success of DSSs solely in terms of ongoing use, the participatory development of a DSS should be evaluated in terms of its ability to foster co-learning and improve practice. Our framework provides those involved in the development of agricultural technologies with new conceptual insights to reflect on their practice. In doing so, our framework contributes to enabling more effective participatory technology development and application processes, and helps DSSs be more effective in guiding sustainable farm management.

چکیده

1 مقدمه

2. چارچوب مفهومی

2.1. زمینه و بستر پژوهش

2.2. چارچوب‌های فناوری و انعطاف پذیری تفسیری

2.3. اشیاء مرزی

2.4. خروجی‌های بالقوه‌ی یادگیری اجتماعی در ارتباط با توسعه‌ DSS مشارکتی

3. جزییات مطالعات موردی

3.1. سابقه و آغاز

3.2. جمع‌آوری داده‌ها

4. تحلیل پاسخ‌های مصاحبه‌ها

4.1. چارچوب‌های فناوری

4.2. انعطاف‌پذیری تفسیری

4.3. WaterSense به عنوان یک شیء مرزی

4.4. خروجی‌های توسعه‌ی WaterSense

5. بحث

6. نتیجه‌گیری

Abstract

1. Introduction

2. Conceptual framework

2.1. Background and context

2.2. Technological frames and interpretative flexibility

2.3. Boundary objects

2.4. Potential social learning outcomes of participatory DSS development

3. Details of the case studies

3.1. Background and initiation

3.2. Data collection

4. Analysis of interviewee responses

4.1. Technological frames

4.2. Interpretative flexibility

4.3. WaterSense as a boundary object

4.4. Outcomes of the development of WaterSense

5. Discussion

6. Conclusion