MétaCan
Menu
Retour à la cohorte
Enregistrement W2217626036 · doi:10.1142/s2010007815500074

TEMPERATURE INCREASE, LABOR SUPPLY AND COST OF ADAPTATION IN DEVELOPING ECONOMIES: EVIDENCE ON URBAN WORKERS IN INFORMAL SECTORS

2015· article· en· W2217626036 sur OpenAlexfundno aff
Saudamini Das

Notice bibliographique

RevueClimate Change Economics · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésHeat waveWork (physics)Developing countryLabour economicsInformal sectorBusinessEconomicsEconomic growthEngineeringClimate changeEcology

Résumé

récupéré en direct d'OpenAlex

Heat wave impact on labor supply is less researched, though workers in exposed occupations have been seriously impacted in recent years, especially in developing economies. The paper identifies labor reallocation and coping strategies of poor urban workers on a heat wave day compared to a normal summer day by surveying informal sector workers who work in the open. The workers are found to forgo 1.19 h of work time and 0.46 h of family time and use these extra 1.65 h to rest more on heat wave days to adapt to heat stress. They resort to other adaptations like eating appropriate food with high water content, keeping their house cool by repeated wiping of floor using cooling ingredients, covering the roof of their living space with paddy straw, putting thick grass curtains, using fans for longer hours etc. These adaptations including the work time loss costs around INR 195 per heat wave day to a household, which is, on average, 2.7% of their monthly income. The paper approximates the private adaptation costs of informal sector workers to heat waves.

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 enseignants0,021
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,124
Tête enseignante GPT0,298
Écart entre enseignants0,174 · 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

Citations16
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClimate Change EconomicsMême sujetClimate Change and Health ImpactsTravaux en français237 207