MétaCan
Menu
Retour à la cohorte
Enregistrement W2487217058 · doi:10.5539/jsd.v9n4p113

International Migration, Livelihood Strategy, and Poverty Cycle

2016· article· en· W2487217058 sur OpenAlexvenueno aff
Martua Sihaloho, Ekawati Sri Wahyuni, Rilus A. Kinseng, Sediono M. P. Tjondronegoro

Notice bibliographique

RevueJournal of Sustainable Development · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgrarian societyLivelihoodSocial mobilitySocial classPovertyMiddle classUpper classSociologyEconomicsDevelopment economicsPolitical scienceEconomic systemGeographyEconomic growthSocial scienceMarket economyAgriculture

Résumé

récupéré en direct d'OpenAlex

Poverty drove Indonesian poor households (e.g. their family members) to find other livelihoods. One popular choice is becoming an international migrant. This paper describes and analyzes the change in agrarian structure which causes dynamics in agrarian poverty. The study uses qualitative approach and constructivism paradigm. Research results showed that even if migration was dominated by farmer households from lower social class; it also served as livelihood strategy for middle and upper social classes. Improved economics brought dynamics on social reality. The dynamic accesses to agrarian resources consist of (1) horizontal social mobility (means that they stay in their previous social class); (2) vertical social mobility in the form of social climbing; low to middle class, low to upper class, and middle class to upper class; and, (3) vertical social mobility in the form of social sinking: upper class to middle class, upper class to lower class, and middle class to lower class. The dynamic in social classes indicates the presence of agrarian poverty cycle, they are social climbing and sinking.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

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 technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,258
Écart entre enseignants0,250 · 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetMigration and Labor DynamicsTravaux en français237 207