MétaCan
Menu
Retour à la cohorte
Enregistrement W3087625543 · doi:10.3968/11831

Impacts of Urban Growth on Bahir Dar City

2020· article· en· W3087625543 sur OpenAlexvenueno aff
Abraham Achenef Zewdu

Notice bibliographique

RevueCanadian social science · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban and Rural Development Challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUrbanizationGeographyPopulationHuman settlementCapital cityPopulation growthSocioeconomicsPovertyFlooding (psychology)Economic growthDemographyEconomic geographyEconomics

Résumé

récupéré en direct d'OpenAlex

Urbanization, as a major demographic trend, has become a global phenomenon. The year 2007, being taken as a tipping point where global urban population outnumbered the rural one for the first time, has been followed by increase in the magnitude of regional and global urbanization. Ethiopia, with 17% urban population in 2013, has also been urbanizing fast. Its urban growth implicates, inter alia, increase in urban areas of which Bahir Dar is among the most important ones. The study was, hence, conducted in Bahir Dar city to describe the impact of urban growth by purposively selecting four kebeles and 280 household respondents and by recruiting seventy informants. The study used multiple research methods including depth-interview, FGD, survey, and observation. Bahir Dar has been urbanizing fast. Its population size increased from 167,261 in 2005 to 249,125 in 2013 and total area from 28 Km2 in 2005 to 286.6 Km2 in 2006 and then after. According to the city administration, Bahir Dar is also witnessing high rate of urbanization, 6.4 percent in 2013. Built up area has also shown large increase, especially, over the past three decades. Focusing on urban growth in the city in the post revolution period, especially since the city’s designation as the capital of Amhara region in 1993, the study found that urban growth has been resulting in negative impacts including housing problem, informal settlements, pollution of ecosystem and water bodies, farm land encroachment, flooding, unemployment, poverty, and crime and so on.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,750
Score d'incertitude au seuil0,954

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 technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,044
Tête enseignante GPT0,275
Écart entre enseignants0,231 · 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'étudeThéorique ou conceptuel
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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian social scienceMême sujetUrban and Rural Development ChallengesTravaux en français237 207