Information and communication technologies as drivers of growth: experience from selected small-scale businesses in rural southwest Nigeria
Notice bibliographique
Résumé
The pervasiveness of Information and Communication Technologies (ICTs) from cell phones to low cost videos, digital cameras, television, internet and laptops to mention just a few has transformed the lives of many especially the rural folks. Recent advances in ICTs have resulted in expanding existing jobs and creating new opportunities some of which were unimaginable only a few decades ago. The result has been significant worldwide and especially in developing countries like Nigeria where over three-quarter of her inhabitants rely on small-scale non-farm businesses and agriculture as means of livelihood. ICTs have therefore become an indispensable tool in fighting poverty and actualizing pro-poor growth. The result presented here relied on data collected from a random sample of 350 small-scale business owners in Southwest Nigeria. Analysis of respondents� socioeconomic characteristics revealed average age to be 44 years. Respondents� distribution by educational status showed that only about one-quarter were educated up to tertiary level with about 43% having no formal education. Occupational distribution of respondents showed farming as the highest employer of labour providing livelihood for over 67% of those interviewed. Analysis of available ICTs facilities revealed mobile phones, internet, television, radio, video cameras, digital cameras and cam-coders as the most widely used. Results further indicated cost reduction, ease of marketing and a quantum leap in the incomes of small-scale business owners as outcomes of ICTs penetration in the study area. Ranking of livelihood activities showed that small-scale businesses like trading, carpentry, brick-laying, barbing/hair-dressing, okada riding, carhiring, video clubbing, and vulcanizing as the most patronized. It is therefore suggested that effort should be intensified at building capacity of respondents through education. This is because education enhances adoption of new technologies and earning potentials of people. Improvement in the existing state of infrastructures should be made a policy priority to enhance accessibility to and affordability of ICTs.
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 | 0,001 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».