Gender inequality in urban water governance: Continuity and change in two towns of Nepal
Notice bibliographique
Résumé
Abstract Gender‐based inequality has long been recognized as a challenge in water governance and urban development. Women do most of the water collection‐related tasks in the majority of low‐income country's urban areas, as they do in rural areas for drinking, household consumption, kitchen gardening, and farming. However, their voice is rarely heard in water governance. When climate change exacerbates water scarcity, it becomes harder for people to secure water with more pronounced effects on women. Drawing on the narratives of men and women involved in water management practices and also the views of the stakeholders who are part of water resource management in two towns in Nepal, this paper demonstrates emerging forms of gender inequality concerning access to and control over water resources, as well as associated services such as sanitation. We found that women's voice in water governance is systematically excluded, and such gender‐based disadvantage intersects with economic disadvantage as women in low‐income poor urban settlements are experiencing additional difficulty in accessing water and sanitation services. Gender inequity persists in the urban water sector, and of course the wider social structures, despite some progressive policy changes in recent years, such as the 30% quota reserved for women in local‐level water management bodies in Nepal. The paper concludes that tackling gender inequity in water management requires a transformative approach that seriously takes into account women's voice, critical awareness, and open deliberation over the causes and consequences of the current approaches and practices. Moreover, gender‐inclusive outcomes on water management are linked to changes in areas outside of the water sector, such as property ownership structures that constrain or enable women's access to water and related services.
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 | 0,000 | 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) | 0,000 | 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 ».