MétaCan
Menu
Retour à la cohorte
Enregistrement W1967991132 · doi:10.5539/ass.v10n9p187

Sustainable Livelihoods of Fishermen Households Headed by Women (Case Study in Riau Islands Province of Indonesia)

2014· article· en· W1967991132 sur OpenAlexvenueno aff
Khodijah Khodijah

Notice bibliographique

RevueAsian Social Science · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Development and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLivelihoodPovertyBusinessSocioeconomicsSustainabilityEconomic growthFishingAgricultureGeographyEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

The number of fishing households headed by women continues to show improvement in the last decade. In Riau Islands Province Indonesia, showed more than 80 % are coastal villages with most of the poor people, and more than 50 % of the poor are women who are vulnerable social economic will be head of household. This study focuses on five dimensions of livelihood assets to find the status of sustainability. The questionnaire survey addressed to 29 fishermen households headed by women from 300 fishermen households in the Malangrapat village. The results of this study highlight how the dimensions of personal leadership assets showed the main actors to influence the sustainable livelihoods in fishing households headed by women. Strengths of personal and leadership assets of women in the household could be an important factor to consider in agricultural development and fight against poverty in the rural areas, because by having good personal leadership they have a strong motivate to get out of poverty through women. This showed by the index of the personal and leadership assets dimensions of sustainable enough (60.34 and 71.93), while the other dimension does not show sustainability; social assets (26.87), human resources assets (27.59), financial assets (31.86), and physical assets (36.38).

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,217
Écart entre enseignants0,207 · 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'étudeQualitatif
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

Citations10
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetAgricultural Development and ManagementTravaux en français237 207