MétaCan
Menu
Retour à la cohorte
Enregistrement W4210903699 · doi:10.5539/jsd.v15n2p132

Climate Change Vulnerability and Sustainable Urbanisation in Sub-Saharan African

2022· article· en· W4210903699 sur OpenAlexvenueno aff
Cyrille Dominick Bitting, Benedicte Dalmeida Ngah Atangana, Henri Ngoa Tabi

Notice bibliographique

RevueJournal of Sustainable Development · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFiscal Policy and Economic Growth
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUrbanizationVulnerability (computing)Climate changePanel dataPer capitaSustainable developmentIndustrialisationGeographyNatural resource economicsDevelopment economicsEconomicsEconomic growthPopulationEcologyEconometricsBiologyDemography

Résumé

récupéré en direct d'OpenAlex

This study investigates the role of climate change vulnerability in sustainable urbanisation using a panel of 31 Sub-Saharan African countries over the period 2000-2017. The study employs a dynamic model based on a sequential linear panel data estimator. The results show that the high levels of climate change vulnerability are associated with a decrease in sustainable urbanisation in Sub-Saharan Africa. More specifically, only the adaptative capacity component of climate change vulnerability has a significant negative influence on sustainable urbanization. The role of climate change vulnerability on sustainable urbanization seems to be robust to the sensitivity analysis and the GMM estimator. Otherwise, the results also show that GDP per capita and Foreign Direct Investment positively affect sustainable urbanisation, while industrialisation and migration rate have negative effects on it in Sub-Saharan Africa.

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)0,004
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,515
Score d'incertitude au seuil0,703

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,030
Tête enseignante GPT0,218
Écart entre enseignants0,188 · 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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable DevelopmentMême sujetFiscal Policy and Economic GrowthTravaux en français237 207