ADAPTING THE UNDP MPI TO DEVELOP A NEW MULTIDIMENSIONAL MEASURE OF CIRCUMSTANTIAL POVERTY FOR HARARE PROVINCE, ZIMBABWE
Notice bibliographique
Résumé
The objective of this study is to construct a new Multidimensional Poverty Index (MPI). To achieve the objective, the study uses the United Nations Development Programme (UNDP) MPI to produce a new multidimensional poverty measure using dimensions and indicators from the United Nations Sustainable Development Goals (SDGs) for 2030. The province of Harare in Zimbabwe is used a reference point in this study. Alkire-Foster Method (AF) methodology is used to model the logistic regression which employs 36 indicator variables across various dimensions of poverty. The analysis based on the logistic regression reveals the following insights. First, the MPI for Harare province is 37%. Moreover, Harare MPI by location is estimated to be: Harare rural - 50%, high density locations - 42%, medium density - 25% and low density is 15%. The analysis reinforces the generally accepted belief that the Harare province is witnessing an extremely high level of poverty. The extreme level of poverty in the province of Harare requires immediate interventions for the country to achieve SDG targets of reducing poverty in all its dimensions in a dedicated approach that ensures that no human lives under the poverty line (UN, 2019). The first port of call is to reduce poverty in rural locations in Harare report a head count poverty of 100% where the need for policy and programmatic interventions is most pronounced.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».