MétaCan
Menu
Retour à la cohorte
Enregistrement W4295128579 · doi:10.1017/s1355770x22000225

COVID-19, climate shocks, and food security linkages: evidence and perceptions from smallholder farming communities in Tanzania

2022· article· en· W4295128579 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueEnvironment and Development Economics · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésFood securityTanzaniaAgriculturePandemicEconomicsFood pricesCoronavirus disease 2019 (COVID-19)Asset (computer security)Panel dataPovertyDevelopment economicsBusinessNatural resource economicsGeographyEconomic growthSocioeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Insights on the indirect effects of the COVID-19 pandemic are critical for designing and implementing policies to alleviate the food security burden it may have caused, and for bolstering rural communities against similar macroeconomic shocks in the future. Yet estimating the causal effects of the pandemic is difficult due to its ubiquitous nature and entanglement with other shocks. In this descriptive study, we combine high-resolution satellite imagery to control for plot-level rainfall with household socio-economic panel data from 2014, 2016, 2019 and 2020, to differentiate the effect of the pandemic from climatic shocks on food security in Morogoro, Tanzania. We find evidence of decreased incomes, increased prices of staple foods, and increased food insecurity in 2020 relative to previous years, and link these changes to the pandemic by asking households about their perceptions of COVID-19. Respondents overwhelmingly attribute economic hardships to the pandemic, with perceived impacts differing by asset level.

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 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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,158
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,068
Tête enseignante GPT0,241
Écart entre enseignants0,173 · 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