‘When my husband died, I collected debt of N20,000……were going to take me to the court, but since the money came, I have cleared my debt and bought cattle’: intended and unintended socioeconomic impact of cash transfer program in Nigeria
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
The Nigerian government commenced large scale cash transfer program in 2017. We evaluated the socioeconomic impact of the cash transfer program (CTP) in Nigeria. Across six randomly selected states that had implemented the CTP for at least six months, qualitative inquiries were conducted among beneficiaries and program implementers. We utilized a program impact theory to explore the interaction of cash transfer on socioeconomic outcomes. Data were analysed using deductive and inductive thematic analysis. The CTP in Nigeria showed positive impact on reduction of poverty through new income generation or expansion of existing businesses. Food security was improved by promoting increased food expenditure. CTP increased utilization of health services including facility delivery of pregnancies. The CTP also promoted education by increasing attendance at school while also promoting opportunities for savings and investments. Though the majority of the beneficiaries were women, expenditure decision making on the cash was by men and in a few cases jointly. With the large number of poor and vulnerable persons in Nigeria the findings of the CTP in Nigeria show promise in improving key socioeconomic outcomes across poverty, health and nutrition, education, savings, and investment. Our findings justify the need for expansion of the CTP to more poor and vulnerable households. CTPs in Nigeria should consider implementing educational programs to enhance women’s financial literacy or adjusting the structure of the CTPs to incentivize shared decision-making. Future studies on CTP and its socioeconomic impact should include key metrics to measure the size of the impact.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle