MétaCan
Menu
Retour à la cohorte
Enregistrement W2092101868 · doi:10.5539/ass.v10n4p16

Flood and Riverbank Erosion Displacees: Their Indigenous Survival Strategies in Two Coastal Villages in Bangladesh

2014· article· en· W2092101868 sur OpenAlexvenueno aff
A.H.M Zehadul Karim

Notice bibliographique

RevueAsian Social Science · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban and Rural Development Challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHuman settlementFlood mythErosionGeographyDamagesCoastal erosionIndigenousNatural (archaeology)Environmental resource managementEnvironmental planningEnvironmental scienceEcologyPolitical scienceGeologyArchaeology

Résumé

récupéré en direct d'OpenAlex

It is reported that flood and riverbank erosion together intensify the process of pauperization in rural areas of Bangladesh. Riverbank erosion often destroys cultivable land, dislocates human settlements and also at the same time, damages the growing crops; massively disrupts road-linkages and communication infrastructure in the country. With this situation, this paper generates empirical data on two coastal villages located in two different regions of the country showing evidence of displacement of the total way of life due to flood and riverbank erosion. Due to this natural calamity, the victims have to adapt to the changing environmental conditions, and consequently they adopt many socio-political, economic and cultural strategies in order to survive in the face of the plethora of problems. Flood and river bank erosion displacees try to gain control over their environment through their multi-dimensional adaptation strategies. This paper thus locates the indigenous strategies and mechanisms that the displacees usually adopt to grapple with the catastrophic effects of flood and erosion in the coastal areas of rural Bangladesh.

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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,002
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,017
Tête enseignante GPT0,289
Écart entre enseignants0,273 · 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'étudeQualitatif
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

Citations16
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetUrban and Rural Development ChallengesTravaux en français237 207