Learning capacity and diversification, enabling and constraining factors, and external assistance: A cross-national comparative analysis of long-term livelihood recovery
Notice bibliographique
Résumé
Despite a wide recognition of the importance of learning capacity and diversification, enabling and constraining factors, and external assistance in facilitating long-term livelihood recovery (LTLR), there is a paucity of comparison for a nuanced understanding of interconnections among the three themes (learning capacity and diversification, enabling and constraining factors, and external assistance) in different societal and disaster scenarios. Accordingly, this article employs a cross-national comparative approach in examining the interplay of these three factors in LTLR, within rural communities, following the two international post-disaster case studies, the 2007 Cyclone Sidr, Barguna, Bangladesh and the 2008 Wenchuan earthquake, Sichuan, China. This cross-national comparison indicates that the affected communities in both cases experienced extreme challenges in LTLR while illustrating the differences. Learning capacity and diversification facilitated asset loss recovery and risk mitigation in the Sidr case, while the Wenchuan case demonstrated a limited learning opportunity for livelihood diversification. Enabling and constraining factors were identified in both case studies. Particularly, people-place connections positively shaped the LTLR in the Wenchuan case while producing negative results in the Sidr case. External assistance facilitated livelihood provisioning, protection, and promotion for the Sidr case; in contrast, giving little, if any, credence to the local traditional livelihood practice, the top-down external interventions in the Wenchuan case jeopardized the rural communities LTLR. This article defends that promoting grassroots participation in community reconstruction and recovery and strengthening grassroots livelihood learning and practice capacities would advance LTLR.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».