Using an intersectionality framework to assess gender inequities in food security: A case study from Uganda
Notice bibliographique
Résumé
Abstract Prior research in health equity, including food security, indicates that disadvantaged groups, such as women with limited resources, face many obstacles in achieving food security. One of the first of its kind to draw on intersectionality and the social determinants of health frameworks, this study identified and tested gender differences in experiencing food security inequities using nationally representative data from the Gallup World Poll, Uganda 2019 ( N = 951). Binary logit models disaggregated by gender were estimated to identify gender differences in food security. Three points of intersection were categorized: individual characteristics (gender, age, region, marital status, household number of children and adults); available resources (education, income, employment, shelter, social support); and the socio‐political context (community infrastructures, corruption within the business). Testing the moderation effect of gender with each variable (difference‐in‐difference) showed that although most variables correlated with a difference in experiencing food security by gender, only two—marital status, and social support—presented a statistically significant difference. Accounting for this moderation effect, the final model showed that lacking shelter and residing in Eastern Uganda decreased food security. More adults in the household, higher education, higher income, available social support, and satisfaction with community infrastructures enhanced the odds of food security. Results suggest that (a) conventional food security quantitative approaches may not suffice to model inequities when gender is a control variable rather than a foundation to explain inequities; and (b) gendered‐centered analysis helps better identify disadvantaged groups and inform policies that target associated inequities.
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 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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 tête enseignante, 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 ».