Biomass or LPG? A case study for unraveling cooking fuel choices and motivations of rural users in Maheshkhali Island, Bangladesh
Notice bibliographique
Résumé
Biomass fuel could effectively address the existing energy crisis in developing countries, including Bangladesh, yet its potential remains largely overlooked in scholarly and policy discussions. The objective of this study was to understand the people's perception of fuelwood, LPG, and cow dung as well as to identify factors influencing the choices of solid cooking fuels and the extent of daily fuelwood consumption in Maheshkhali, a secluded island off the coast of the Bay of Bengal in Bangladesh, characterized by its diverse landscapes. Primary data was collected through a questionnaire survey and focus group discussions and were analyzed using descriptive statistics, binomial logistic regression, and ordinary least squares regression (OLSR) to identify key determinants. Our findings suggest a pronounced preference for biomass fuel, as indicated by the odds ratio and user perceptions grounded in the central capability approach. The OLSR results indicate that cooking time, quantity collection, the number of school-going children, and educational score explain 82.5% of the total variance in fuelwood consumption, making them major driving factors. The household survey revealed a stark reliance on biomass fuel, with 87% of families using it exclusively, while only 4% rely solely on LPG. Fuelwood collection, primarily a task for women and children, also involved men who spent approximately five hours to traverse 1.5 km to collect 23 kg of biomass per trip. The strong biomass preference for fuel, in terms of central capability, underscores the challenges in motivating users to cleaner alternatives like LPG.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».