MétaCan
Menu
Retour à la cohorte
Enregistrement W4328022419 · doi:10.46609/ijsser.2023.v08i02.003

IMMEDIATE EFFECTS OF COVID-19 PANDEMIC SITUATION ON LIVELIHOOD OF WOMEN CULTIVATORS IN THE COASTAL AREAS OF WEST BENGAL AND ODISHA

2023· article· en· W4328022419 sur OpenAlexaboutno aff
Nilay Banerjee

Notice bibliographique

RevueInternational Journal of Social Science and Economic Research · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLivelihoodPovertyAgricultureDevelopment economicsUnemploymentPopulationPandemicGeographyEconomic growthQuarter (Canadian coin)SocioeconomicsCoronavirus disease 2019 (COVID-19)EconomicsSociologyMedicine

Résumé

récupéré en direct d'OpenAlex

India is known for its dependence on agriculture and allied sectors as the major pillar of its economy. Being one of the major emerging nation in the world’s economic and political power scenario the country has been expected to stand in good position in terms reduction of poverty and livelihood development of the people particularly of the rural area. The spread of Covid-19 virus has attributed to huge economic squander worldwide and India is no more any exception, rather the economy is such badly affected due to this situation that the GDP growth has brought down to only 23.9% over the same quarter last fiscal. Due to the current pandemic situation a large portion of global population is in a deadly juncture for its livelihood options due to sudden unemployment and related poverty along with. High risk of getting infected by this deadly virus and it’s after effects. Specifically, the poor rural community who are largely dependent on agriculture and labour work are the worst hit ones due to this present situation. In this perplexing time being the vulnerable section women are again the most affected ones. This paper aims to understand the current situation and its immediate effect on the women cultivators of coastal parts of West Bengal and Odisha; the study also aims to find major facts towards their attitude of alternation of livelihood strategies. The study has been done exclusively on primary data.

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)0,009
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,054
Score d'incertitude au seuil0,457

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
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 Opus0,103
Tête enseignante GPT0,396
Écart entre enseignants0,294 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Social Science and Economic ResearchMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207