MétaCan
Menu
Retour à la cohorte
Enregistrement W4300920126 · doi:10.17615/mtcq-sd53

The use of survey data to study migration–environment relationships in developing countries: alternative approaches to data collection

2021· article· en· W4300920126 sur OpenAlexfundno aff
Richard E. Bilsborrow, Sabine J.F. Henry

Notice bibliographique

RevueUNC Libraries · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensnon disponible
Organismes subventionnairesCarolina Population Center, University of North Carolina at Chapel HillNational Institutes of HealthUniversité de Montréal
Mots-clésData collectionSurvey data collectionData scienceComputer scienceGeographyStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Growing interest in the environmental aspects of migration is not matched by research on their interrelationships, due partly to the lack of adequate data sets on the two together. Focusing on the microlevel, we describe the data required to effectively investigate these interrelationships. Data sources are discussed, be collected, focusing on household surveys and remote sensing. The main section of the paper describes three alternative approaches to data collection: (a) using existing population and environmental data from different sources, illustrated by Burkina Faso; (b) adding questions to a survey developed for another purpose, illustrated for Guatemala using a DHS survey; and (c) designing a new survey specifically to collect both migration and environmental data to investigate interrelationships, illustrated by Ecuador. Methods used and summary findings are described, followed by a discussion of their advantages and limitations. We conclude with recommendations as to effective use of each approach as research on migration–environment linkages moves forward.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,585
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,001
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 Opus0,800
Tête enseignante GPT0,361
Écart entre enseignants0,439 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUNC LibrariesMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207