22. The Feminization of Agricultural Labour in India, With a Case Study of the Semi-Arid Region of Andhra Pradesh: A Means of Empowerment or a Method of Domination?
Notice bibliographique
Résumé
With the general shift of men turning to out-migration work in times of economic disparity, women in rural India, specifically in the region of Andhra Pradesh, are forced to step in and fill the gap in agricultural labour left by migrating men. This phenomenon, coupled with the increased desire for female agricultural labourers – because of their tolerance of low wages – has led to a significant increase in the feminization of agricultural labour in India since the 1990s. While neoliberal writers argue that the increasingly feminized workforce of agricultural labour in rural India is largely demand-driven – both by male-out migration and thus the freeing up of agricultural work for women, I will argue, in accordance with the Marxist-feminist school of thought, that the increased feminization of agricultural labour in rural Andhra Pradesh does not reflect rural prosperity, but in fact is the “consequence of increasing pauperization among the small peasantry” (Garikipati 2008:630). This paper will explore the debate of whether or not the feminization of the agricultural workforce in rural Andhra Pradesh has accelerated female independence and empowerment in both the private (household) and public spheres. This locality study will thus add to a critical Marxist-feminist perspective of the feminization of agricultural labour in India generally, and the semi-arid region of Andhra Pradesh specifically, while raising the question of who truly benefits form the feminization of the agricultural workforce.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».