MétaCan
Menu
Retour à la cohorte
Enregistrement W4311194862 · doi:10.3389/fenvs.2022.1047223

Examining the links between livelihood sustainability and environmental protection in the anti-poverty relocation and settlement program areas: An empirical analysis of Shaanxi, China

2022· article· en· W4311194862 sur OpenAlexaff
Manman Guo, Cong Li, Guangyu Wang, John L. Innes

Notice bibliographique

RevueFrontiers in Environmental Science · 2022
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesChina Scholarship CouncilTsinghua UniversityNational Natural Science Foundation of China
Mots-clésLivelihoodPovertySustainabilityRelocationChinaSocioeconomicsSustainable developmentPopulationGeographyAsset (computer security)BusinessNatural resource economicsEconomic growthAgricultureEconomicsEcologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Consistent with the 2030 agenda for sustainable development, China has initiated a large-scale anti-poverty relocation and settlement program (the ARSP), aiming to restore ecosystems and lift impoverished populations out of the poverty trap and into sustainable livelihoods. Unlike previous studies that focus on the population issues of the ARSP, we examine the links between livelihood sustainability and environmental protection (“livelihoods–environment”) in the ARSP areas. We found that the links are generally weak, with low levels of both livelihood sustainability and environmental protection. The disorder category is the most common in both the overall and the regional samples, with the mild and borderline disorder categories being the most common subcategories. The results varied regionally, and indicated that environmental problems can be more prominent in regions with fragile environments. Household-level distribution shows significant differences in the strengths of the links among different demographic groups, and regression results show that higher levels of average education, loan amount, and asset holdings, as well as lower proportions of the elderly and non-agricultural activities were associated with stronger links. These household factors influenced the links through different mechanisms.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,401

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
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 Opus0,014
Tête enseignante GPT0,265
Écart entre enseignants0,251 · 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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Environmental ScienceMême sujetChild Nutrition and Water AccessTravaux en français237 207