Micro-Econometric Analyses of Some Welfare Effects of Oil-Availability in the Niger Delta Region of Nigeria
Notice bibliographique
Résumé
This article raises some fundamental issues in the resource-development literature, such as the effect of resource-availability and resource-related conflicts on personal and community-wide welfare, the interaction between resource-abundance and hopelessness, and the role of government presence and location of communities, using the Niger Delta region of Nigeria as a case study. Employing survey data from two sources, it shows that oil-availability has mixed effects for individuals and communities. It raises educational attainments and socio-economic access among individuals and infrastructural development in communities but also tends to generate higher episodes of violent conflicts, higher inequality, and greater feeling of despondency among individuals. It also fails to significantly affect earning levels or reduce unemployment. Government presence is beneficial as it tends to impact positively on earnings and socio-economic access among residents and reduces the likelihood of being unemployed or experiencing a longer spell of unemployment, but it is also likely to be associated with higher inequalities, higher incidences of conflict, and greater hopelessness. Individuals in more distant communities tend to have lower educational attainments and socio-economic access but they are also more likely to enjoy lower levels of inequality, greater hope, and lower incidences of unemployment. Youths tend to suffer the most from the negative effects of resource-abundance as they appear to be worse off on all measures of personal welfare employed, while geographical characteristics seem important for welfare just the same way as policy and initiatives at the local level. The paper concludes that natural resources, such as oil, can be significantly welfare-improving if its tendency to encourage violent conflict outbreaks can be addressed, but this may not be achieved by merely providing greater infrastructure or expanding educational opportunities but by matching these with significantly-expanded economic space.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».