MétaCan
Menu
Retour à la cohorte
Enregistrement W4293224812 · doi:10.1080/00220388.2022.2113065

Hiding or Pleasing: Spousal Disagreement Among Ugandan Maize Farmers

2022· article· en· W4293224812 sur OpenAlexfundno aff
Björn Van Campenhout, Els Lecoutere, David J. Spielman

Notice bibliographique

RevueThe Journal of Development Studies · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Innovations and Practices
Établissements canadiensnon disponible
Organismes subventionnairesConsortium of International Agricultural Research CentersInternational Development Research CentreInternational Fine Particle Research InstituteUnited States Agency for International Development
Mots-clésAsset (computer security)Test (biology)EconomicsField (mathematics)Information asymmetrySocial psychologyDemographic economicsPsychologyMicroeconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

To gain a better understanding of intrahousehold bargaining processes, surveys increasingly collect data from co-heads individually, especially on decision-making, asset ownership and labour contributions. However, answers provided by co-heads to the same set of questions often differ substantially. Recent research suggests that while some of this disagreement is due to random measurement error and cognitive bias, part also reflects non-overlapping information sets. We document differences in answers between male and female co-heads in monogamous smallholder maize-farming households in Uganda. We first confirm that not all disagreement can be explained by measurement error or bias. Using a field experiment, we then test if disagreement is due to information asymmetry between male and female co-heads. We also test an alternative explanation where discord is attributed to co-heads’ tendency to respond in line with prevailing gender norms and social customs. While the interventions did seem to reduce discord in survey response about decision-making, we do not find that information asymmetry nor reporting in line with gender norms and customs are the primary drivers of disagreement.

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)0,009
score de la tête « metaresearch » (Gemma)0,035
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 enseignants0,009
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,035
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,100
Tête enseignante GPT0,293
Écart entre enseignants0,192 · 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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Development StudiesMême sujetAgricultural Innovations and PracticesTravaux en français237 207