MétaCan
Menu
Retour à la cohorte
Enregistrement W2051356504 · doi:10.1260/0958305001500112

Shifting Patterns of Fuel and Wood Use by Households in Rural Zimbabwe

2000· article· en· W2051356504 sur OpenAlexaff
S. Vermeulen, Bruce Campbell, J. J. Mangono

Notice bibliographique

RevueEnergy & Environment · 2000
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnergy and Environment Impacts
Établissements canadiensMinistry of Transportation of Ontario
Organismes subventionnairesEuropean Commission
Mots-clésFirewoodWood fuelKeroseneWoodlandBiomass (ecology)Consumption (sociology)FellGeographyAgricultural economicsSolid fuelFuel efficiencyBarnForestryEnvironmental scienceEnvironmental protectionWaste managementEngineeringEconomicsEcologyArchaeologyCombustion

Résumé

récupéré en direct d'OpenAlex

A questionnaire survey of fuel and wood use was administered to approximately 1500 households in rural Zimbabwe in 1994 and repeated in 1999. The nine localities covered by the survey fell into four strata distinguished by woodland cover, distance from urban centres and whether communal or resettlement (ex-commercial farming) areas. Over time household assets increased, but incomes remained constant in all but one stratum. Simultaneously wood became scarcer according to respondents. In all four strata firewood consumption fell markedly between 1994 and 1999. This was partially, but not entirely, due to switches to other fuels, either electricity near towns or non-wood biomass fuel in deforested areas further from towns. In other areas, non-wood biomass fuels declined considerably. Kerosene use showed mixed patterns, with decreases in the numbers of consumers but increased rates of consumption. Wealthier households were more likely to use modern fuels such as kerosene for cooking, candles and electricity. The general reduction in firewood consumption entailed changes in collection practices and increased purchase of wood, but it is not clear how fuel use efficiency was improved by such a great margin. Utilisation of wood for construction also declined over the five year period.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,195

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
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 Opus0,007
Tête enseignante GPT0,172
Écart entre enseignants0,165 · 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'étudeObservationnel
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

Citations28
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & EnvironmentMême sujetEnergy and Environment ImpactsTravaux en français237 207