دانلود ترجمه مقاله کلان داده ها در کشاورزی هوشمند

1. مقدمه 2. روش تحقیق 3. چارچوب مفهومی 4. نتایج 5. نتیجه گیری و توصیه ها

چکیده – کشاورزی هوشمند، پیشرفتی است که بر استفاده از فناوری اطلاعات و ارتباطات در چرخه مدیریت مزرعه سایبرفیزیکی تاکید دارد. انتظار می رود که فناوری های جدید مانند اینترنت اشیا و رایانش ابری منجر به ارتقاء این پیشرفت شده و ربات ها و هوش های مصنوعی بیشتری را برای کشاورزی به ارمغان آورند. این موضوع در تسخیر پدیده نوظهوری به نام کلان داده ها قرار دارد، حجم عظیمی از داده ها با طیفی گسترده که می توانند برای اهداف تصمیم گیری مورد استفاده و تجزیه و تحلیل قرار گیرند. هدف این مقاله، به دست آوردن بینشی در زمینه پیشرفت های اخیر در زمینه کاربردهای کلان داده ها در کشاورزی هوشمند و شناسایی چالش های اجتماعی و اقتصادی مرتبط می باشد که باید مورد خطاب قرار گیرند. در ادامه رویکرد ساختاریافته، یک چارچوبی مفهومی برای آنالیز توسعه داده می شود که می تواند در موضوعات تحقیقاتی آتی نیز مورد استفاده قرار گیرد. این بررسی نشان داده که محدوده کاربردهای کلان داده در کشاورزی هوشمند فراتر از تولید اولیه رفته و کل زنجیره تامین غذایی را تحت تاثیر قرار داده است. کلان داده ها برای ارائه پیش بینی هایی در عملیات های کشاورزی، اتخاذ تصمیمات عملیاتی آنی، و طراحی مجدد فرآیندهای کسب و کاری برای مدل های تجاری تغییردهنده بازی مورد استفاده قرار می گیرند. بنابراین چند تن از نویسندگان بر این باورند که کلان داده ها منجر به تغییراتی عظیم در نقش ها و روابط میان بازیکنان مختلف در شبکه های زنجیره تامین غذایی امروزه خواهند شد. چشم انداز ذینفعان، حاکی از یک بازی جالب توجه بین شرکت های تکنولوژی قوی، سرمایه داران بزرگ و استارت آپ های کوچک می باشد. در عین حال، چندین نهاد دولتی نیز وجود دارند که داده هایی را تحت شرایطی ارائه داده اند که باید بر طبق آنها، حریم خصوصی افراد تضمین گردد. آینده کشاورزی هوشمند ممکن است یکی از این دو سناریوی افراطی باشد: 1) سیستم های اختصاصی بسته که در آن ها، کشاورز بخشی از یک زنجیره تامین غذایی پیوسته بسیار بزرگ می باشد، یا 2) سیستم هایی باز و همکارانه که در آنها، کشاورز و هر ذینفع دیگری در شبکه زنجیره ای، در انتخاب شرکای تجاری و نیز انتخاب تکنولوژی برای بخش تولید مواد غذایی، آزاد می باشد. توسعه بیشتر داده ها و زیرساخت های کاربردی (پلتفرم ها و استانداردها) و جایگزینی نهادی آنها، نقشی حیاتی در نبرد بین این سناریوها ایفا خواهند کرد. از دیدگاه اجتماعی و اقتصادی، نویسندگان پیشنهاد داده اند که اولویت های پژوهشی آینده به مسائل سازمانی و دولتی و مدل های تجاری مناسب برای به اشتراک گذاری داده ها در سناریوهای زنجیره تامین مختلف اختصاص داده شوند.

Smart Farming is a development that emphasizes the use of information and communication technology in the cyber-physical farm management cycle. New technologies such as the Internet of Things and Cloud Computing are expected to leverage this development and introduce more robots and artificial intelligence in farming. This is encompassed by the phenomenon of Big Data, massive volumes of data with a wide variety that can be captured, analysed and used for decision-making. This review aims to gain insight into the state-of-the-art of Big Data applications in Smart Farming and identify the related socio-economic challenges to be addressed. Following a structured approach, a conceptual framework for analysis was developed that can also be used for future studies on this topic. The review shows that the scope of Big Data applications in Smart Farming goes beyond primary production; it is influencing the entire food supply chain. Big data are being used to provide predictive insights in farming operations, drive real-time operational decisions, and redesign business processes for game-changing business models. Several authors therefore suggest that Big Data will cause major shifts in roles and power relations among different players in current food supply chain networks. The landscape of stakeholders exhibits an interesting game between powerful tech companies, venture capitalists and often small start-ups and new entrants. At the same time there are several public institutions that publish open data, under the condition that the privacy of persons must be guaranteed. The future of Smart Farming may unravel in a continuum of two extreme scenarios: 1) closed, proprietary systems in which the farmer is part of a highly integrated food supply chain or 2) open, collaborative systems in which the farmer and every other stakeholder in the chain network is flexible in choosing business partners as well for the technology as for the food production side. The further development of data and application infrastructures (platforms and standards) and their institutional embedment will play a crucial role in the battle between these scenarios. From a socio-economic perspective, the authors propose to give research priority to organizational issues concerning governance issues and suitable business models for data sharing in different supply chain scenarios.