Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Africa has been at the centre of a "land grab" in recent years, with investors lured by projections of rising food prices, growing demand for "green" energy, and cheap land and water rights. But suchland is often also used or claimed through custom by communities. What does this mean for Africa? In what ways are rural people's lives and livelihoods being transformed as a result? And who will control its land and agricultural futures?<BR><BR> The case studies explore the processes through which land deals are being made; the implications for agrarian structure, rural livelihoods and food security; and the historical context of changing land uses, revealing that these land grabs may resonate with, even resurrect, forms of large-scale production associated with the colonial and early independence eras. The book depicts the striking diversity of deals and dealers: white Zimbabwean farmers in northern Nigeria, Dutch and American joint ventures in Ghana, an Indian agricultural company in Ethiopia's hinterland, European investors in Kenya's drylands and a Canadian biofuel company on its coast, South African sugar agribusiness in Tanzania's southern growth corridor, in Malawi's "Greenbelt" and in southern Mozambique, and white South African farmers venturing onto former state farms in the Congo.<BR><BR> Ruth Hall is Associate Professor at the Institute for Poverty, Land and Agrarian Studies (PLAAS) at the University of the Western Cape, South Africa; Ian Scoones is a Professorial Fellow at the Institute of Development Studies (IDS) at the University of Sussex and Director of the ESRC STEPS Centre; Dzodzi Tsikata is Associate Professor at the Institute of Statistical, Social and Economic Research (ISSER) at the University of Ghana, Legon.<BR><BR>
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 découle