MétaCan
Menu
Retour à la cohorte
Enregistrement W4392613784 · doi:10.1093/ntr/ntae050

Assessing the Level of Poverty and Utilization of Government Social Programs Among Tobacco Farmers in Indonesia

2024· article· en· W4392613784 sur OpenAlexaff
Gumilang Aryo Sahadewo, Raphael Lencucha, Shashika Bandara, Jeffrey Drope, Firman Witoelar

Notice bibliographique

RevueNicotine & Tobacco Research · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural Development and Management
Établissements canadiensMcGill University
Organismes subventionnairesNational Cancer InstituteFogarty International CenterNational Institutes of HealthCRDF Global
Mots-clésPovertyCultivation of tobaccoSubsidyReceiptAgricultureGovernment (linguistics)Per capitaBusinessSocioeconomicsEconomic growthEnvironmental healthEconomicsGeographyMedicinePopulation

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Studies examining profit suggest that former tobacco farmers do as well or better than current tobacco farmers. Research has yet to examine the relationship among current and former tobacco farmers, poverty, and receipt of government social assistance. This type of research is critical to understanding the direct and indirect subsidization of tobacco growing. This study analyzed tobacco farmers' poverty levels and receipt of government social assistance programs. AIMS AND METHODS: We designed and conducted an original four-wave economic survey of current and former tobacco farming households in Indonesia between 2016 and 2022. We then used descriptive analysis and probit regression for panel data to estimate the relationship between tobacco farming and poverty status. RESULTS: Tobacco farmers' per capita income and poverty rates vary across years. The poverty rate was significantly higher in the year with a higher-than-normal rainfall as it negatively affected farming outcomes. During this year, the poverty rate among current tobacco farmers was also higher than that of former tobacco farmers. Regression estimates from the panel data confirm the association between tobacco farming and the likelihood of being poor. We also found a high share of current tobacco farmers who receive government social assistance programs, such as cash transfer programs and a universal healthcare program. CONCLUSIONS: Our findings show high poverty rates-particularly during bad farming years-and high rates of government social assistance among tobacco farmers. The high rates of government assistance among tobacco farmers living in poverty show that the government is indirectly subsidizing the tobacco industry.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,197
Tête enseignante GPT0,364
Écart entre enseignants0,167 · 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'étudeObservationnel
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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNicotine & Tobacco ResearchMême sujetAgricultural Development and ManagementTravaux en français237 207