MétaCan
Menu
Retour à la cohorte
Enregistrement W2944499528 · doi:10.3390/su11092716

Telecoupled Sustainable Livelihoods in an Era of Rural–Urban Dynamics: The Case of China

2019· article· en· W2944499528 sur OpenAlexaff
Wenjia Peng, Brian E. Robinson, Hua Zheng, Cong Li, Fengchun Wang, Ruonan Li

Notice bibliographique

RevueSustainability · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésLivelihoodDiversification (marketing strategy)Context (archaeology)ChinaUrbanizationAgrarian societyEnvironmental planningSustainable developmentNatural resource economicsBusinessEconomic growthGeographyAgricultureEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Recently, increasingly sophisticated studies have investigated the relationship between agrarian livelihoods and the environment, as well as rural–urban interactions in developing countries. The policies developed to respond to these dynamics can constrain livelihood options or provide additional opportunities. In the present study, using a modified version of the telecoupled sustainable livelihood framework to generalize dynamic livelihood strategies in the context of rural–urban transformation and by focusing on recent research in China, we review important factors that shape rural livelihood strategies as well as the types of strategies that typically intersect with livelihood and environmental dynamics. We then examine telecoupled rural–urban linkages given that the dynamics of the livelihood strategies of farmers can cause flows of labor, capital, ecosystem services, and other processes between rural and urban areas, thereby placing livelihood strategies in a dynamic context, which has not been considered widely in previous research. We show that most previous studies focused on the reduction of environmental impacts via livelihood diversification and rural–urban migration. We propose several areas for future policy development and research.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,998

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,002
Tête enseignante GPT0,214
Écart entre enseignants0,212 · 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

Citations26
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetLand Use and Ecosystem ServicesTravaux en français237 207