Complex climate and network effects on internal migration in South Africa revealed by a network model
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
Abstract Climate variability and climate change influence human migration both directly and indirectly through a variety of channels that are controlled by individual and household socioeconomic, cultural, and psychological processes as well as public policies and network effects. Characterizing and predicting migration flows are thus extremely complex and challenging. Among the quantitative methods available for predicting such flows is the widely used gravity model that ignores the network autocorrelation among flows and thus may lead to biased estimation of the climate effects of interest. In this study, we use a network model, the additive and multiplicative effects model for network (AMEN), to investigate the effects of climate variability, migrant networks, and their interactions on South African internal migration. Our results indicate that prior migrant networks have a significant influence on migration and can modify the association between climate variability and migration flows. We also reveal an otherwise obscure difference in responses to these effects between migrants moving to urban and non-urban destinations. With different metrics, we discover diverse drought effects on these migrants; for example, the negative standardized precipitation index (SPI) with a timescale of 12 months affects the non-urban-oriented migrants’ destination choices more than the rainy season rainfall deficit or soil moisture do. Moreover, we find that socioeconomic factors such as the unemployment rate are more significant to urban-oriented migrants, while some unobserved factors, possibly including the abolition of apartheid policies, appear to be more important to non-urban-oriented migrants.
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 | 0,001 | 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 | 0,001 | 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 découle