MétaCan
Menu
Retour à la cohorte
Enregistrement W2062025350 · doi:10.5539/ass.v6n12p176

Rural-Urban Migration and Its Consequences on Rural Children: An Empirical Study

2010· article· en· W2062025350 sur OpenAlexvenueno aff
Syed Imran Ali Meerza

Notice bibliographique

RevueAsian Social Science · 2010
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRural development and sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRural areaAgricultureSocioeconomicsSample (material)Agricultural productivityEconomic shortageFood securityGeographyDemographic economicsEconomic growthEconomicsGovernment (linguistics)Medicine

Résumé

récupéré en direct d'OpenAlex

Rural-urban adult migration, mainly adult male migration makes heavy demand on all family members, but especially on children who are left behind in rural area to shoulder the responsibility of agriculture production and food security. Labor shortage due to rural-urban adult migration may mean that children in rural area often have to face tighter time schedules and patterns of time use and human energy inputs required in agriculture production. The study revealed the impact of rural-urban migration on rural children. In the study, sample was restricted to households that own and/or operate agricultural land in rural area. A purposive sampling was adopted to select villages and covered 500 sample households. The study was based on link between rural-urban migration of adult persons and child labor in rural area. The empirical result showed that an additional rural migrant of a household increases the probability of having child worker in that household by approximately 51%. However, it was found that children of migrant households receive less preventive health care in their infancy. The study also showed that an additional adult worker of a household increases the probability of having child worker in that household by 29%. For this reason, this study supports the hypothesis that children are the last economic resource of a household.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,205
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,279
Écart entre enseignants0,264 · 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 tête enseignante, 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

Citations7
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetRural development and sustainabilityTravaux en français237 207