MétaCan
Menu
Retour à la cohorte
Enregistrement W2072907016 · doi:10.5539/jas.v3n4p141

Impact Assessment of Women Farmer Activity on Poverty Reduction and Food Security: A Case of Kindia Region/Guinea

2011· article· en· W2072907016 sur OpenAlexvenueno aff
Moussa Moussa, Yali Wen, Hongmei Wu, Mory Diakite, Kampungu k. Gerson, Haichang Wang

Notice bibliographique

RevueJournal of Agricultural Science · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFood securityPovertyEconomic growthRural areaPoverty reductionBasic needsFood processingBusinessSocioeconomicsDevelopment economicsAgricultureEconomicsGeographyPolitical science

Résumé

récupéré en direct d'OpenAlex

In Kindia, access to food is dependent on the activity of rural women. Women farmers produce the majority of food and are responsible for ensuring that their families’ basic needs are met. Today, the developing countries are faced with huge problems among which that of food insecurity remain the central point. This food insecurity manifests itself in the very acute poverty covering all aspects of the lives of the rural people. The lack of employment, low family income, inaccessibility to individuals with basic social services (drinking water, health, education, etc...) cause very critical situations. It is very clear to recognize that the people most vulnerable are those living in rural areas, most specifically women and children. They are, at the time, a particularly vulnerable group and an essential player that is contributing to the achievement of household food security in Kindia. Despite the critical role they play in food production and poverty reduction, they have ownership of only 1% of the land. This article focuses on the activity of women farmer and their contribution to food security and poverty reduction in Kindia region of Guinea.

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)0,001
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 enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,022
Tête enseignante GPT0,264
Écart entre enseignants0,242 · 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

Citations6
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetAgricultural risk and resilienceTravaux en français237 207