MétaCan
Menu
Retour à la cohorte
Enregistrement W2463037039 · doi:10.5539/res.v8n3p156

Human Security Assessment in Kenya—The Case of Isiolo, Lakipia, Nandi and Elgeyo Marakwet Counties (Note 1)

2016· article· en· W2463037039 sur OpenAlexvenueno aff
Asfaw Kumssa, Tabitha Kiriti-Ng�ang�a

Notice bibliographique

RevueReview of European Studies · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHuman Rights and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHuman securityVulnerability (computing)DisadvantagedPovertyHuman development (humanity)Environmental securityVulnerability assessmentIntervention (counseling)Sustainable developmentEmpowermentEnvironmental planningEconomic growthEnvironmental resource managementPolitical scienceSocioeconomicsGeographySociologyComputer securitySocial sciencePsychologyEconomicsPsychological interventionComputer science

Résumé

récupéré en direct d'OpenAlex

While human security concerns are critical in sub-Saharan Africa, initiatives to incorporate a human security orientation in development policies and planning are still rare. A human security approach to development requires the identification and integration of the needs of the vulnerable groups into development strategies of a country. A human security assessment is an effective tool for identifying threats to sustainable development and the factors that cause vulnerability of communities due to their geographic, demographic, and socio-cultural differences, and variations in the nature of institutions for development in their communities. This study presents the findings of a human security assessment conducted in four counties (Isiolo, Laikipia, Elgeyo Marakwet and Nandi) of Kenya. The assessment focuses on human security concerns arising from poverty, environmental degradation, political and human conflicts, health related problems, among others. Following an assessment and analysis of the human security threats in each of these counties, the study proposes intervention strategies that would reduce vulnerability and enhance human security among marginalized and disadvantaged groups in the target counties.

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 enseignants0,102
Score d'incertitude au seuil0,202

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
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,050
Tête enseignante GPT0,398
Écart entre enseignants0,349 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of European StudiesMême sujetHuman Rights and DevelopmentTravaux en français237 207