The impact of power outages on households in Zambia
Notice bibliographique
Résumé
Abstract As global average temperatures rise, so does the frequency and intensity of El Niño-induced droughts, which in turn threaten the reliability of hydropower. 1.4 billion people live in countries where hydropower constitutes more than a quarter of the electricity production and which have experienced El Niño droughts, meaning many more power outages can be expected around the world. Little research has been conducted on the impact of power outages on mental health. This study takes Zambia as its case study to examine the impact that El Niño droughts have had on the lives of householders connected to a highly hydropower-dependant electricity grid, and includes the impact it has had on their physical and self-reported mental health. Using 54 online responses to a survey, we found that the greatest impacts of outages spoiled food, compromised entertainment, compromised ability to work and limitation in cooking options. More than a fifth of respondents reported experiencing self-reported depression to a major degree or all of the time due to power outages, with individuals writing their own responses that they felt debilitated, experienced reduced communication and reduced activities, and stress. Using Bayesian inference, we found that changes in sleeping patterns arising from power outages was a statistically significant predictor of self-reported depression. 63% of surveyed households were willing to pay approximately USD 0.10/kWh as of the end of 2019, about double the tariff that they did, to ensure reliable electricity supply. Household income was a statistically significant predictor of willingness to pay more.
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 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 | 0,000 | 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 | 0,000 | 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) | 0,002 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».