MétaCan
Menu
Retour à la cohorte
Enregistrement W3146777464

Food Aid Allocation Policies: Donor Coordination and Responsiveness to the Needs of Recipient Countries

2009· article· en· W3146777464 sur OpenAlexaboutno aff
Christian Kuhlgatz, Awudu Abdulai, Christopher B. Barrett

Notice bibliographique

Revue2009 Conference, August 16-22, 2009, Beijing, China · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Development and Aid
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFood aidTobit modelFood securityNatural disasterBusinessDevelopment economicsFood safetyEconomicsPublic economicsGeographyAgricultureFood scienceBiology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study employs a multivariate Tobit model to investigate whether food aid flows of the main donor countries – USA, EU (Community Aid and Member States), Canada, Japan and Australia – respond to recipient countries’ needs and the extent to which the donors interact in their food aid allocation. The response of global food aid is also analyzed with a censored least absolute deviation (CLAD) model to highlight the overall performance of aggregate food aid. The empirical results generally indicate that both global and bilateral food aid are effective instruments in improving food security at the national level in recipient countries. In particular, global food aid is found to be significantly targeted to poorer countries, as well as countries facing temporary food crises, sudden natural disasters and conflicts. All major donor countries are found to direct their food aid shipments to poorer countries and appear to significantly coordinate their food aid shipments, so that food aid from other donors are generally treated as complements. While highly significant persistence is found in each donor’s and global food aid allocation, variables representing donor interests were generally insignificant at conventional levels.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,016
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,031
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,016
Tête enseignante GPT0,278
Écart entre enseignants0,262 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2009 Conference, August 16-22, 2009, Beijing, ChinaMême sujetInternational Development and AidTravaux en français237 207