MétaCan
Menu
Retour à la cohorte
Enregistrement W2769376982 · doi:10.5539/jsd.v10n6p155

Migration as an Adaptation Strategy to Climate Change: Influencing Factors in North-western Ghana

2017· article· en· W2769376982 sur OpenAlexvenueno aff
Nicholas Fielmua, Gordon Dugle, Darius Tuonianuo Mwingyine

Notice bibliographique

RevueJournal of Sustainable Development · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensnon disponible
Organismes subventionnairesUnited Nations University Institute for Environment and Human Security
Mots-clésLivelihoodClimate changeAdaptation (eye)Adaptive capacityAdaptive strategiesGeographyClimate change adaptationEnvironmental resource managementDevelopment economicsEconomicsAgricultureEcology

Résumé

récupéré en direct d'OpenAlex

Climate change has attracted the attention of all stakeholders, ranging from individuals in the household through to global organisations in the international community. As an inevitable phenomenon at the moment, adaptation is the key response to minimising the unfavourable effects of climate change. While there are several adaptation strategies, rural areas mostly use migration as an ultimate and most reliable option. Rural migration in Ghana is mostly from the north to the south. This paper examines the factors that influence individuals and households’ decision to use migration as an adaptation strategy to climate change effects in North-western Ghana. Data was collected using household questionnaire in four communities and analysed using statistical package for social science, version 20.0. The study established that although there are other reasons for migration, it is used essentially as an adaptation strategy to the effects of climate change on livelihood. The study concludes that the debate on climate change and migration should no longer be whether climate change causes human migration but how the effects of climate change influence migrants’ resolve to migrate as an adaptation strategy. Such an analysis allows policy makers to find practical adaptive capacity measures that can offset the challenges at the original homes of migrants.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,293
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,004
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 GPT0,347
Écart entre enseignants0,223 · 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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207