Women’s employment in rural Senegal: what can we learn from non-farm diversification strategies?
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.
Notice bibliographique
Résumé
Purpose As rural nonfarm activities grow in developing countries, less attention is being paid to the opportunities they may provide for women. The purpose of this study is to examine the gender-differentiated impact of nonfarm diversification strategies in rural Senegal. Design/methodology/approach This study uses data collected from the Senegalese poverty monitoring survey and employs an instrumental variable (IV) approach and a multinomial endogenous treatment model to investigate the extent to which diversification strategies lead to improved outcomes for rural women and their households. Findings While nonfarm diversification is a male-dominated livelihood strategy, rural women make the most of it, regardless of whether they diversify into low- or high-return nonfarm activities. At the individual level, diversification improves rural women’s well-being through large income-increasing effects and higher empowerment but has no effect on rural men’s well-being. At the household level, the authors find that, when only women diversify, households have lower per capita income but are less likely to be food insecure than when only men or both genders diversify. Research limitations/implications This study is based on cross-sectional data, making it impossible to examine the dynamic effects of nonfarm diversification strategies on well-being outcomes. Originality/value This study contributes to the current literature on rural livelihood diversification. While much attention has been paid to the feminization of agriculture, remarkably little is known about the expanding role of rural women in the nonfarm sector.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle