MétaCan
Menu
Retour à la cohorte
Enregistrement W3133907513 · doi:10.1111/joac.12417

Land and livelihood in the age of COVID‐19: Implications for indigenous food producers in Ecuador

2021· article· en· W3133907513 sur OpenAlexafffund
Matthew McBurney, Luis Alberto Tuaza Castro, Carlos Ayol, Craig Johnson

Notice bibliographique

RevueJournal of Agrarian Change · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture, Land Use, Rural Development
Établissements canadiensUniversity of Guelph
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésLivelihoodIndigenousPovertyAgrarian societyFood securitySharecroppingGovernment (linguistics)AgricultureBusinessWageEconomic growthEconomicsAgricultural economicsGeographyLabour economics

Résumé

récupéré en direct d'OpenAlex

Like many Latin American countries, Ecuador responded to COVID-19 by restricting trade and travel, a decision that disrupted the prevailing model of regional trade integration. Among some analysts, observations have been made that the lockdown represents a new opportunity to revitalize rural livelihoods and smallholder agriculture. This paper evaluates these claims by exploring the impact of COVID-19 on household food security and smallholder food production in Chimborazo, a highland province that is known for extremely high rates of poverty and the highest concentration of Kichwa-speaking Indigenous people in Ecuador. Drawing upon original empirical research, it makes the case that the prospects for revitalizing smallholder production remain structurally constrained by a legacy of land inequality and failed agrarian reform. According to our findings, the only sectors that thrived during the lockdown were ones that served local markets. For those requiring significant shipping and storage, merchants and traders were able to drive down farmgate prices, squeezing local producers. At the same time, new government legislation made it easier for employers to terminate wage labourers, undermining a vital source of income and employment for low-income households. Far from revitalizing smallholder agriculture, the pandemic appears to have further entrenched an economic model of supporting agribusiness at the expense of family farms and migrant labour.

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)0,000
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 enseignants0,126
Score d'incertitude au seuil0,329

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,065
Tête enseignante GPT0,261
Écart entre enseignants0,196 · 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

Citations23
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Agrarian ChangeMême sujetAgriculture, Land Use, Rural DevelopmentTravaux en français237 207