Migration and nonfarm activities as income diversification strategies: the case of Northern Ghana
Notice bibliographique
Résumé
This article jointly analyses the determinants of participation in nonfarm activities and of migration in Northern Ghana, combining household data with community-level information and data on the evolution of the yields of cash and staple crops. Our results confirm the role of education as a key asset to pursue opportunities in the off-farm sector and the role of farm size in reducing the probability of participating in nonfarm activities. Poor households do not have enough resources to undertake nonfarm activities and they opt for migration as a diversification strategy. Community-level assets are found to play a crucial role for understanding off-farm diversification. Résumé Cet article analyse les facteurs menant à la participation aux activités économiques au-delà du secteur agricole ainsi bien que le processus de migration au sein des communautés rurales dans le nord du Ghana. S'appuyant sur les données disponibles sur la revenue et la production des récoltes des ménages, nos résultats démontrent que l'éducation est clé dans la poursuite d'autres formes d'emploi dans les secteurs autre que le secteur agricole. La taille des fermes constituent aussi un facteur important dans cette dernière. Les ménages n'ayant pas assez de ressources pour trouver d'autres formes d'emploi doivent, par contre, recourir à la migration. Finalement, les biens communautaires jouent un rôle important dans le processus de diversification économique.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».