Variations in household water affordability and water insecurity: An intersectional perspective from 18 low- and middle-income countries
Notice bibliographique
Résumé
Compounding systems of marginalization differentiate and shape water-related risks. Yet, quantitative water security scholarship rarely assesses such risks through intersectionality, a paradigm that conceptualizes and examines racial, gendered, class, and other oppressions as interdependent. Using an intersectionality approach, we analyze the relationships between household head gender and self-reported socio-economic status, and water affordability (proportion of monthly income spent on water) and water insecurity (a composite measure of 11 self-reported experiences) for over 4000 households across 18 low- and middle-income countries in Central and South America, Africa, and Asia. Interaction terms and composite categorical variables were included in regression models, adjusting for putative confounders. Among households with a high socio-economic status, the proportion of monthly income spent on water differed by household head gender. In contrast, greater household water insecurity was associated with lower socio-economic status and did not meaningfully vary by the gender of the household head. We contextualize and interpret these experiences through larger systems of power and privilege. Overall, our results provide evidence of broad intersectional patterns from diverse sites, while indicating that their nature and magnitude depend on local contexts. Through a critical reflection on the study's value and limitations, including the operationalization of social contexts across different sites, we propose methodological approaches to advance multi-sited and quantitative intersectional research on water affordability and water insecurity. These approaches include developing scale-appropriate models, analyzing complementarities and differences between site-specific and multi-sited data, collecting data on gendered power relations, and measuring the impacts of household water insecurity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».