MétaCan
Menu
Retour à la cohorte
Enregistrement W2949561484 · doi:10.1093/jae/ejaa002

Impact of the West African Ebola Epidemic on Agricultural Production and Rural Welfare: Evidence from Liberia

2020· article· en· W2949561484 sur OpenAlexaff
Alejandro de la Fuente, Hanan G. Jacoby, Kotchikpa Gabriel Lawin

Notice bibliographique

RevueJournal of African Economies · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural risk and resilience
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésAgricultureContext (archaeology)WelfarePer capitaAgrarian societyAgricultural productivityAgricultural economicsEconomicsSocioeconomicsDevelopment economicsRural areaEconomic growthGeographyPopulationEnvironmental healthPolitical scienceMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract The 2014-15 Ebola epidemic took a devastating human and economic toll on three West African countries, of which Liberia was perhaps the hardest hit. The pathways through which the crisis affected economic activity in these largely agrarian societies remain poorly understood. To study these mechanisms in the context of rural Liberia, we link a geographically disaggregated indicator of Ebola disease mortality to nationally representative household survey data on agricultural production and consumption. We find that higher Ebola prevalence (as proxied by local mortality) led to greater disruption of group-labor mobilization for planting and harvest, thereby reducing rice area planted as well as rice yields. Household welfare, measured by per capita expenditures spanning two points before and after the crisis, fell by more in Ebola prevalent areas with more intensive rice-farming, precisely those areas more adversely affected by agricultural labor shortages.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,588
Score d'incertitude au seuil0,186

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,020
Tête enseignante GPT0,222
Écart entre enseignants0,202 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of African EconomiesMême sujetAgricultural risk and resilienceTravaux en français237 207