MétaCan
Menu
Retour à la cohorte
Enregistrement W3214223172 · doi:10.5897/jasd2021.0641

Effects of the COVID-19 lockdown on the livelihood and food security of street food vendors and consumers in Nigeria

2021· article· en· W3214223172 sur OpenAlexaff
Oloko Majing, Ekpo Regina

Notice bibliographique

RevueJournal of African Studies and Development · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésLivelihoodFood securityBusinessMarketingAgricultureGeography

Résumé

récupéré en direct d'OpenAlex

Nigeria's local food economy was affected by state-imposed restrictions to curb the spread of COVID-19 in communities. Street food vendors and consumers are among local food system actors impacted by such restrictions because their livelihood and food security are contingent on daily operations on the street. Informed by a descriptive qualitative approach, we interviewed 31 street food vendors and consumers who shared their experiences on how the lockdown impacted them. Vendors reported various impacts, including losing income, customers, customer trust, and social connection. Street food consumers reported difficulties meeting their food needs and developing multiple coping strategies, including cutting back on fruit and vegetable consumption and food sharing. Both vendors and consumers would like to see measures put in place to allow them to operate safely in a future lockdown event. This study is timely as the country strives to balance human and economic health amid the pandemic.    Key words: Street food vendors and consumers, livelihood, food security, COVID-19, Nigeria.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,316

Scores Codex et Gemma par catégorie

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

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 Opus0,042
Tête enseignante GPT0,255
Écart entre enseignants0,213 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of African Studies and DevelopmentMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207