MétaCan
Menu
Retour à la cohorte
Enregistrement W2770361200 · doi:10.5539/ass.v13n12p35

Impact of Sago Crop Commercialization Programs on Gender Roles of Melanau Communities in Sarawak, Malaysia

2017· article· en· W2770361200 sur OpenAlexvenueno aff
Siti Zanariah Ahmad Ishak, Malia Taibi, Ahmad Nizar Yaakub

Notice bibliographique

RevueAsian Social Science · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueOil Palm Production and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Malaysia SarawakUniversity of Oxford
Mots-clésCommercializationLivelihoodBusinessAgricultureProduction (economics)Ethnic groupHuman capitalEconomic growthGender analysisOrder (exchange)GeographyPolitical scienceSocioeconomicsMarketingEconomics

Résumé

récupéré en direct d'OpenAlex

Melanau men are known for their significant roles in the cultivation of sago palm as smallholder farmers while the women take charge of processing sago-based food products. Melanau sago farmers play important roles in maintaining their rural livelihood as the ethnic minority group in the northwest coastal communities of Sarawak, Malaysia. In an attempt to contribute to the corpus of knowledge on Melanau gender roles and their unique farming practices, this paper adapts gender relations framework in order to assess the impact of sago commercialization programs that were established by the local authority since 1980s. The findings revealed that the changes of traditional gender roles among men and women are influenced by gender relations factors i.e. gender division of labour, access to or control of resources and household decision making. In addition, sago production promises a greater prospect of moving away from low to high commercial level of production only if human capital that makes sago crop difficult to commercialize are tackled in the Melanau community. This suggests that more attention to human factors is needed when authorities formulate policies relating to commercialization program.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,169
Score d'incertitude au seuil0,999

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 technologies0,0010,003
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,032
Tête enseignante GPT0,329
Écart entre enseignants0,296 · 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'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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetOil Palm Production and SustainabilityTravaux en français237 207