Notice bibliographique
Résumé
Kenya"s cut-flower industry has been praised as an economic success as it has provided jobs, income and infrastructure for the citizens of the country.Conversely, media coverage has criticized cut-flower production for causing negative environmental and social impacts.Cut-flower production in Kenya is concentrated on the southern shores of Lake Naivasha.The pressures of extraction are causing the naturally sensitive and variable lake to experience lake levels much lower than what the models had predicted.The cut-flower industry on Lake Naivasha has also been socially criticized for the poor working wages, the poor working conditions and the impacts of the increased population its employment attracts on the community of Naivasha.This paper looks into the economic, ecological and social implications of this industry, and assesses whether or not it is sustainable.The cut-flower industry"s economic success is completely dependent on European markets, is not equitably distributed, and is vulnerable to business migration.Lake Naivasha is naturally sensitive to climatic changes and experiences much lake level variability.The increased unmeasured water extractions, habitat degradation and lack of adequate management exacerbates this situation.The civilians of Naivasha are suffering from a lack of infrastructure and security due to the population influx accompanying the cut-flower industry, without adequate wages or working conditions to access basic livelihood assets and high quality of life.For these economic, environmental and social reasons, it is determined that Kenya"s cut-flower industry is not sustainable.Recommendations for mitigation of these impacts are given. Kenya's Cut-flowers: An Unsustainable Industry on Lake NaivashaIntroduction..3
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 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 | 0,000 | 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 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».