MétaCan
Menu
Retour à la cohorte
Enregistrement W4390947813 · doi:10.30574/wjarr.2024.21.1.0901

COVID-19 and food insecurity among informal urban settlers in Ghana

2024· article· en· W4390947813 sur OpenAlexaff
Joshua Boadi, Foster Julius Billah

Notice bibliographique

RevueWorld Journal of Advanced Research and Reviews · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésFood insecurityFood securityInformal sectorSocioeconomic statusGovernment (linguistics)Economic growthPsychological interventionCoping (psychology)PandemicPovertyCoronavirus disease 2019 (COVID-19)Development economicsSocioeconomicsQualitative researchPolitical scienceBusinessGeographySociologyEconomicsAgriculturePopulationPsychologySocial science

Résumé

récupéré en direct d'OpenAlex

This article examines the impact of the COVID-19 pandemic on food insecurity among informal urban settlers in Ghana. Using a qualitative data collection approach, the paper explores the various socioeconomic factors that have exacerbated this group's food insecurity, including income loss and food supply chain disruptions. It further describes the various coping strategies that informal urban settlers have adopted to mitigate the impact of food insecurity. The findings indicate that the pandemic has had a severe and disproportionate impact on informal urban settlers in Ghana and further reinforces existing social inequalities. The paper highlights the importance of continued government support and the need for effective policy interventions to ensure that these communities have access to adequate food security.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,890
Score d'incertitude au seuil0,481

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,372
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of Advanced Research and ReviewsMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207