MétaCan
Menu
Retour à la cohorte
Enregistrement W2771361309 · doi:10.1080/21632324.2017.1410977

Food remittances and food security: a review

2017· review· en· W2771361309 sur OpenAlexafffund
Jonathan Crush, Mary Caesar

Notice bibliographique

RevueMigration and Development · 2017
Typereview
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensBalsillie School of International Affairs
Organismes subventionnairesInternational Fund for Agricultural DevelopmentInternational Development Research Centre
Mots-clésRemittanceFood securityWelfareRural areaBusinessGeographyEarningsDevelopment economicsEconomicsEconomic growthAgriculturePolitical science

Résumé

récupéré en direct d'OpenAlex

The global attention paid to cash remittances over the past decade has resulted in an extremely solid evidence base on international, regional and national level remitting behaviour and impacts. Little attention, however, has been paid to food remitting and its development contribution, including to the welfare and food security of sending and receiving migrant households. A review of the current state of knowledge about food remitting found considerable knowledge gaps in our understanding of the volume, driver and impacts of this phenomenon. In this paper, food remittance data from five multi-country household surveys and case study evidence are marshalled in order to demonstrate that food remitting is an important accompaniment to migration which demands much greater research attention. The paper uses the existing data to show that there is considerable spatial variability in the amounts, frequency and types of foodstuffs that flow to and from migrant origin and destination areas within countries and across borders. Both poor and better-off households in many rural areas remit food, a practice that enhances urban food security. Rural–rural, urban–urban and urban–rural food remitting are also growing in significance. Research on the relationship between remittances and development can no longer afford to ignore this neglected but extremely important form of remitting.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,985
Score d'incertitude au seuil0,968

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,095
Tête enseignante GPT0,374
Écart entre enseignants0,279 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMigration and DevelopmentMême sujetMigration and Labor DynamicsTravaux en français237 207