The Communities of Lottery Sellers: Socio-economic and Cultural Changes in Isan, Thailand
Notice bibliographique
Résumé
The qualitative research was carried out in Amphoe Wang Saphung, Loei Province; Amphoe Kranuan, Khon Kaen Province; and Amphoe Kaedam, Maha Sarakham Province between October 2012-April 2013 using a survey, observation, interview, focus group discussion and workshop. The 110 sample were divided into groups of 30 key, 50 casual, and 30 general informants respectively. The analysis was based on the research objectives using a triangulation technique and done descriptively. Historically, the people who lived at Amphoe Wang Saphung began to sell lotteries in 1984. Twelve years later, such part-time job spread to Amphoe Kranuan, Khon Kaen Province and Amphoe Kaedam, Maha Sarakham Province. Currently, the lottery sellers at the three villages chose to sell lotteries in Bangkok, tourist areas, such as Rayong and Nakhon Ratchasima Provinces. Some decided to sell theirs in their own Province. Each month, they left their homes trice: the second and the fourth weeks. They often went in groups using pickup trucks, vans or buses. If they worked in their own Province, they often used motorcycles. The problems encountered included car accidents, cheats, arrests due to selling lotteries overprice, and school children skipping classes or drung-addicted.For socio-economic and cultural changes, the lottery sellers had improved their lives materially due to their income earning from selling lotteries. They could afford what they needed, such as land, home appliances, and building jobs in their villages. They had new friends and established social network. Young people chose to marry with outsiders. The people set up lottery selling groups of volunteers. They took health care to political representatives, and village leadership.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».