Public perceptions of environmental degradation in the Arab World: evidence from surveys about water, air, and sanitation
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
Many Arab countries are struggling to combat a range of environmental problems from air pollution to water salinization to overflowing garbage. Yet little is known about how people in this region perceive these environmental problems and the factors that influence their perceptions. This article analyzes surveys conducted by the Arab Barometer with 13,850 people across 12 Arab countries in 2018–19. The focus is on public perceptions about water pollution, air pollution, and trash. About 91% of respondents said that water pollution is a very serious or serious problem. About 89% and 73% feel the same way about trash and air pollution, respectively. Perceptions about environmental quality are mainly shaped by a person’s age, educational background, financial status, and how they view the current economic situation. Although perceptions about water and trash are directly connected to a national environmental quality measure, they are unconnected to specific measurements of clean water access and sanitation quality. Furthermore, perceptions about air quality are unconnected to any general or specific (national- or local-level) measurements. Instead, a person’s age, gender, educational background, financial status, and minority status are better predictors of how much they view air quality to be a problem. These findings shed light on the topic of environmental concern in a comparatively understudied area of the world, highlighting the ways that individual, local, and national factors shape how the average person evaluates environmental problems.
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 | 0,002 | 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 | 0,002 |
| 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) | 0,006 | 0,001 |
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