MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391388393 · doi:10.18280/ijsdp.190115

Understanding the Livelihood Strategies of Informal Settlers in Enugu Urban, Nigeria

2024· article· en· W4391388393 sur OpenAlexvenueno aff
Chinwe Sam-Amobi, Obinna Ubani, Theophilus Eze, Emeka Mba, I. Henry

Notice bibliographique

RevueInternational Journal of Sustainable Development and Planning · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLivelihoodEnvironmental planningGeographySocioeconomicsSociologyArchaeologyAgriculture

Résumé

récupéré en direct d'OpenAlex

Although the governance structure and environmental and agricultural impacts of peri-urban development in sub-Saharan Africa are known, little research attention has been given to understanding how residents of such areas are coping with their livelihoods in challenging locations in many urban centers in this region.This research aimed at investigating the livelihood coping strategies of peri-urban dwellers in Enugu, Southeast Nigeria.A crosssection survey involving two-stage cluster sampling technique was used in selecting 816 registered household heads who participated in this study.Questionnaire method was employed in the collection of data.Principal Component Analyses and multiple linear regression statistical tools were used to analyze the data.The results revealed the four main coping strategies to include home-based business (49.95%),retail trading (16.50%), domestic working (16.34%), and street trading (12.03%).Factors that influenced the identified coping strategies of these dwellers include age, sex, take-off capital, type of housing unit, and space availability.This study implies that contemporary urban planning strategies should take cognizance and integrate these coping strategies into modern urban planning practices and policy making.This is vital in ensuring that the contributions of this category of urban residents to the gross domestic product are adequately harnessed for national development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,032
Tête enseignante GPT0,300
Écart entre enseignants0,268 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Sustainable Development and Planning→Même sujetMigration and Labor Dynamics→Travaux en français237 207→