MétaCan
Menu
Retour à la cohorte
Enregistrement W2103948119 · doi:10.5539/jgg.v4n1p196

A Research on Potential Land-Deprived Peasants’ Intention on the Old-Age Care Issue in the Urban Planning Area: A Case Study Based on 53 Peasant Groups in Daxing Town of Ya’an City

2012· article· en· W2103948119 sur OpenAlexvenueno aff
Wei Shui, Wanfu Zhao

Notice bibliographique

RevueJournal of Geography and Geology · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRural development and sustainability
Établissements canadiensnon disponible
Organismes subventionnairesNational Social Science Fund of ChinaSichuan Agricultural University
Mots-clésPeasantUrbanizationChinaGovernment (linguistics)Economic growthSocioeconomicsGeographySociologyEconomics

Résumé

récupéré en direct d'OpenAlex

With the speedy development of urbanization in China, most of people in China, including some of developed countries, have increasingly and closely concerned about the old-age care issue of the potential land-deprived peasants in urban planning area of China. By analyzing the peasants’ questionnaires, the paper focused on the old-age care issue of potential land-deprived peasants and formed the conclusions and offered some suggestions on the urban planning, urban construction, urban management and the aftercare of land-deprived peasants. The investigations about the potential land-deprived peasants’ intention on the old-age care issue were carried out by means of 101 households’ sampling survey in 53 peasant groups of 8 villages of Ya’an city. Though the statistics analysis of SPSS software, results indicated that the traditional old-age care ways provided by their sons and daughters have stepped into the predicament, and the potential land-deprived peasants urgently need to develop socialized old-age care mode. At the same time, results also indicated there are several key influencing factors on the intention of the old-age care of the potential land-deprived peasants such as peasants’ cultural quality, the absence of government and peasants’ traditional values.

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)0,003
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 enseignants0,073
Score d'incertitude au seuil0,252

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,052
Tête enseignante GPT0,309
Écart entre enseignants0,257 · 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geography and GeologyMême sujetRural development and sustainabilityTravaux en français237 207