Does Previous Experience of Floods Stimulate the Adoption of Coping Strategies? Evidence from Cross Sectional Surveys in Nigeria and Tanzania
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In sub-Saharan Africa, hydro-meteorological related disasters, such as floods, account for the majority of the total number of natural disasters. Over the past century, floods have affected 38 million people, claimed several lives and caused substantial economic losses in the region. The goal of this paper is to examine how personality disposition, social network, and socio-demographic factors mitigate the complex relationship between stressful life experiences of floods and ocean surges and the adoption of coping strategies among coastal communities in Nigeria and Tanzania. Generalized linear models (GLM) were fitted to cross-sectional survey data on 1003 and 1253 individuals in three contiguous coastal areas in Nigeria and Tanzania, respectively. Marked differences in the type of coping strategies were observed across the two countries. In Tanzania, the zero-order relationships between adoption of coping strategies and age, employment and income disappeared at the multivariate level. Only experience of floods in the past year and social network resources were significant predictors of participants’ adoption of coping strategies, unlike in Nigeria, where a plethora of factors such as experience of ocean surges in the past one year, personality disposition, age, education, experience of flood in the past one year, ethnicity, income, housing quality and employment status were still statistically significant at the multivariate level. Our findings suggest that influence of previous experience on adoption of coping strategies is spatially ubiquitous. Consequently, context-specific policies aimed at encouraging the adoption of flood-related coping strategies in vulnerable locations should be designed based on local needs and orientation.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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