MétaCan
Menu
Retour à la cohorte
Enregistrement W3153765533 · doi:10.56279/ter.v4i1-2.8

Informal Construction Employment, Earnings and Activities: A Boon or Bane for Tanzania?

2014· article· en· W3153765533 sur OpenAlexfundno aff
Beatrice Kalinda Mkenda, Jehovaness Aikaeli

Notice bibliographique

RevueTanzanian Economic Review · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban and Rural Development Challenges
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésInformal sectorEarningsTanzaniaPovertyBusinessWork (physics)Labour economicsOrder (exchange)Economic growthDemographic economicsEconomicsFinanceSocioeconomics

Résumé

récupéré en direct d'OpenAlex

This paper assesses whether the growth of informal construction employment and activities in Tanzania are a boon or bane for informal workers. It examines the importance of employment and income provision, employment conditions, and linkages between formal and informal firms. It also examines the determinants of earnings of workers and the challenges faced by the informal construction sector. The study finds that informal construction activities are important in providing employment and income to people, although a significant number of employees work without contracts and pensions. The level of informal sector earnings is also lower than that of the formal sector. The statistically significant results from regression analysis of the determinants of earnings, which are positively related to earnings are: age, education level, and number of years of experience. The policy implications of this study include: the need for informal construction employees to be affiliated to pensions and health insurance benefits; requirement of a mechanism to enable them to formalize easily in order for them to access credit and to expand their operations; improvement in their skills to enhance their income levels so as to reduce poverty; and to empower them to share in the growth of construction activities.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,969
Score d'incertitude au seuil0,930

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0010,000

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 Opus0,030
Tête enseignante GPT0,294
Écart entre enseignants0,264 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTanzanian Economic ReviewMême sujetUrban and Rural Development ChallengesTravaux en français237 207