MétaCan
Menu
Retour à la cohorte
Enregistrement W1828954313 · doi:10.1002/jid.1820

POVERTY REDUCTION THROUGH PROMOTING ALTERNATIVE LIVELIHOODS: IMPLICATIONS FOR MARGINAL DRYLANDS

2011· article· en· W1828954313 sur OpenAlexaff
Bhim Adhikari

Notice bibliographique

RevueJournal of International Development · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensInternational Development Research Centre
Organismes subventionnairesnon disponible
Mots-clésLivelihoodLand degradationSustainabilityNatural resource economicsPovertyPoverty reductionBusinessSustainable developmentEnvironmental planningEconomicsEconomic growthGeographyAgriculturePolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Land degradation has become a most pressing issue in drylands. Although crop and livestock production have been the dominant sources of income, there is an increasing realisation that alternative livelihood options need to be explored to ensure both environmental and economic sustainability. This paper provides a systematic review of alternative livelihood strategies currently adopted for improving livelihood conditions of dryland dwellers in different parts of the world. Although drylands encompass a vast social and geographic terrain and represent a heterogeneous socio‐economic environment, this paper has been able to document some general lessons applicable to rural drylands for diversifying livelihood opportunities and promoting rural development while minimising the pressure from intensive land‐based activities. The paper concludes with a discussion on how international development policies can move forward in the fight against land degradation and in helping achieve poverty reduction through investments in sustainable land management and alternative livelihood strategies. Copyright © 2011 John Wiley & Sons, Ltd.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,090
Tête enseignante GPT0,293
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of International DevelopmentMême sujetAgricultural Innovations and PracticesTravaux en français237 207