MétaCan
Menu
Retour à la cohorte
Enregistrement W3209472914 · doi:10.1111/geoj.12423

Crime and safety in urban public spaces: Experiences of Ghanaian women traders in the Makola market in Accra, Ghana

2021· article· en· W3209472914 sur OpenAlexfundno aff
Charlotte Wrigley‐Asante, George Owusu, Jane B. Amu, Tracy Sidney Commodore

Notice bibliographique

RevueGeographical Journal · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCrime Patterns and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésLivelihoodUrbanizationScholarshipEconomic growthSpace (punctuation)BusinessGeographyEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Although traditional markets and women traders in West African cities have long attracted the attention of scholars, limited studies exist on women’s experiences of crime and safety issues in this economic space that they dominate. This paper contributes to the growing geographical scholarship on gender and crime from the Ghanaian perspective as a result of the increasing urbanisation process that has raised concerns about crime and safety among urban dwellers. Using in‐depth interviews, the paper explores the experiences of three categories of Ghanaian women traders in a traditional urban market, Makola, in Accra, Ghana’s capital city. Theft cases appeared to be the most common criminal activity that women traders experience and this results in significant economic, social, psychological, and emotional effects on the lives of the women, with the most vulnerable being those who do not have enough resources to secure their livelihoods. We recommend that city authorities, the police, and other stakeholders support the efforts of these women traders through gender‐sensitive and equitable approaches to improve security in market spaces because market trade contributes significantly to city and national socio‐economic development.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,006
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,031
Tête enseignante GPT0,308
Écart entre enseignants0,277 · 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'étudeQualitatif
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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeographical JournalMême sujetCrime Patterns and InterventionsTravaux en français237 207