Geospatial Evaluation of Sustainable Development: Analysing a Sample of a Successful Social Safety Net
Notice bibliographique
Résumé
Sustainable Development (SD) not only ensures addressing the root cause of poverty but also helps in achieving the wellness of society. Protecting the natural resources for current and future generations is the main goal of the SD process. In recent times, developing countries have initiated social safety nets (SSNs) for poverty elimination and to achieve the SD goals through public works. The Government of India has initiated numerous development projects aimed to achieve SD and Mahatma Gandhi National Rural Employment Guarantee Act (MGNREGA) is one of them. The research objective of this article is to harness the power of geospatial technology for evaluating the public works under MGNREGA at a district level. The proposed research method utilizes the power of remote sensing data with a very high spatial and temporal resolution to monitor the development activities at the grass root level. Satellite based land-use maps, indices, and publicly available web based geospatial information systems have been used in this investigation to assess the changes that have occurred due to the community-level planned activities. The findings from this research confirm that MGNREGA has the potential to accrue multiple dividends at all the three pillars of SD, i.e., economic development, social development, and environmental protection. It was proved from this research that public works under MGNREGA besides providing the wage based employment to the beneficiaries resulted in improved water conservation and harvesting facilities in the study area and in return, these facilities acted as a catalyst for improved agricultural productivity.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».