Revisiting the Determinants of Non-farm Labour Income in the Peruvian Andes: The Role of Intra-Seasonal Climate Variability and Widespread Family Networks
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
As previous literature shows, non-farm income represents up to 50 per cent of rural household income in developing countries. Mostly due to a lack of representative information on climate and family networks, two key factors have been excluded in previous studies on income diversification: (i) the role of intra-seasonal climate variability (affected by climate change), and (ii) the role of family networks located in distant areas (increasingly important given population mobility due to internal conflicts and improved roads and communications). This study analyses the role of these factors on non-farm working hours and non-farm income shares in the Peruvian Andes. Controlling for other assets and environmental conditions, the study finds that households with distant, strong networks diversify more into non-farm activities. Increases in intra-seasonal climate variability (measured by temperature range during the main crop growing season) have heterogeneous effects across subregions. While we find no direct effect among Southern households (more isolated and indigenous), households in the cooler areas of the Central and Northern Andes (below 13 °C during the crop growing season) tend to increase non-farm income as climate variability increases. The study suggests that distant, strong ties facilitate non-farm opportunities for households facing increasing temperature variability in Central and Southern areas.
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 | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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