MétaCan
Menu
Retour à la cohorte
Enregistrement W2605833420 · doi:10.5539/ass.v13n5p57

Poverty Alleviation through Empowerment with a Focus on Partnership: A Case Study of Iran

2017· article· en· W2605833420 sur OpenAlexvenueno aff
Hamid Sajadi, Salman Sadeghizadeh, Masoumeh Taghizadeh

Notice bibliographique

RevueAsian Social Science · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueCommunity Health and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmpowermentGeneral partnershipPovertySnowball samplingAccountabilityPopulationPublic relationsSample (material)Economic growthBusinessSociologyPolitical scienceEconomicsMedicine

Résumé

récupéré en direct d'OpenAlex

Empowerment in the area of poverty alleviation, beyond being a partnership for improvement or progress of the performance, means accountability for the prioritized needs. As to empowerment, the approaches are mostly confined to motivational level or organizational and institutional reform. Based on this general approach, Iran has also drawn up many empowerment programs and implemented them through Imam Khomeini Relief Foundation (IKRF), the main supporting organization of the country. Pursuing the empowerment projects on the basis of this limited approach has been the source of instability for such projects. Evaluating the empowerment projects of Iran focused on poverty alleviation, developed and embedded in the broad programs of the IKRF, the study aims to identify the components of a pattern of empowerment for poverty alleviation through a social approach. Finally the proposed strategies are formulated based on three centers of active participation of the poor, strengthening inter-organizational relationships and defining an advisory role for supporting organizations to decision-making bodies. The methodology was descriptive-analytical and the data collected through direct observation and interviews with experts and academic elites and collecting questionnaires. Delphi Questionnaire was filled by the sample population in two categories of managers and experts of the IKRF and the clients. The Snowball technique was applied for identifying the size of the sample. The research questions were responded through SWOT analysis.

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 candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,586
Score d'incertitude au seuil1,000

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 technologies0,0080,000
Communication savante0,0000,000
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 Opus0,159
Tête enseignante GPT0,489
Écart entre enseignants0,330 · 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.

Devis d'étudeQualitatif
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetCommunity Health and DevelopmentTravaux en français237 207