MétaCan
Menu
Retour à la cohorte
Enregistrement W2905606289 · doi:10.3390/su11010037

Informal Food Deserts and Household Food Insecurity in Windhoek, Namibia

2018· article· en· W2905606289 sur OpenAlexafffund
Jonathan Crush, Ndeyapo Nickanor, Lawrence N. Kazembe

Notice bibliographique

RevueSustainability · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueUrban Agriculture and Sustainability
Établissements canadiensBalsillie School of International Affairs
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaOpen Society Foundation for South AfricaInternational Development Research Centre
Mots-clésInformal settlementsFood insecurityPovertyHuman settlementInformal sectorGeographyUrban agricultureFood securityBusinessEconomic growthEconomicsAgriculture

Résumé

récupéré en direct d'OpenAlex

Informal settlements in rapidly-growing African cities are urban and peri-urban spaces with high rates of formal unemployment, poverty, poor health outcomes, limited service provision, and chronic food insecurity. Traditional concepts of food deserts developed to describe North American and European cities do not accurately capture the realities of food inaccessibility in Africa’s urban informal food deserts. This paper focuses on a case study of informal settlements in the Namibian capital, Windhoek, to shed further light on the relationship between informality and food deserts in African cities. The data for the paper was collected in a 2016 survey and uses a sub-sample of households living in shack housing in three informal settlements in the city. Using various standard measures, the paper reveals that the informal settlements are spaces of extremely high food insecurity. They are not, however, food deprived. The proximity of supermarkets and open markets, and a vibrant informal food sector, all make food available. The problem is one of accessibility. Households are unable to access food in sufficient quantity, quality, variety, and with sufficient regularity.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,015
Tête enseignante GPT0,198
Écart entre enseignants0,183 · 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

Citations45
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetUrban Agriculture and SustainabilityTravaux en français237 207