MétaCan
Menu
Retour à la cohorte
Enregistrement W2905567486 · doi:10.6000/1929-7092.2018.07.94

Status of Living Standards in Nigeria between 2010 and 2013

2018· article· en· W2905567486 sur OpenAlexvenueno aff
Afeez Olalekan Jaiyeola, Chux Gervase Iwu

Notice bibliographique

RevueJournal of Reviews on Global Economics · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban and Rural Development Challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPovertySanitationStandard of livingPoverty rateSocioeconomicsPopulationRural areaGovernment (linguistics)Economic growthGeographyBusinessEconomicsEnvironmental healthPolitical scienceMedicineEngineeringEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

The high rate of poverty in Nigeria has reached alarming proportions. Despite average economic growth rate of 6 percent between 2004 and 2010, the incidence of poverty has remained high, increasing from 54.7 percent in 2004 to 60.9 percent in 2010 (Nigerian Bureau of Statistics, 2010). A drop in the poverty rate to an average of 56.1 percent between 1999 and 2007 could be attributed to the measures taken by the civilian government against administrative corruption, increased domestic and foreign investments and some implemented agricultural policies. These efforts were thwarted by subsequent administrations with devastating effects for the Nigerian population. It is in recognition of this that this study analyses the variations in poverty across the six geopolitical zones of Nigeria including the rural and urban areas using the living standards approach. To achieve these objectives, the study analyses poverty from a non-income approach using the listed living standards indicators: floor of the dwelling, cooking fuel, lighting, source of drinking water, type of sanitation facility, type of refuse disposal facility. The dataset used in this study is the General Household Survey (GHS-Panel) wave 1 (2010-2011) and wave 2 (2012-2013). The results show increases in poverty in most zones including the rural and urban areas.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,830
Score d'incertitude au seuil0,274

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,051
Tête enseignante GPT0,344
Écart entre enseignants0,293 · 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
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Reviews on Global EconomicsMême sujetUrban and Rural Development ChallengesTravaux en français237 207