Migrating injustices in the small city: drought-impacted interstate migrant workers’ experiences in Tiruppur’s sanitation sector
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
Climate stresses like droughts amplify economic precarity, pushing low-income, caste-oppressed communities across India to pursue temporary rural-urban migration as an adaptation strategy. This paper develops an intersectional framework on ‘migrating injustices’ to examine how caste and regional identity mediate interstate rural-urban migrants’ experiences of vulnerabilities and injustices, particularly as these experiences move and endure with migration, shaping migrants’ adaptive abilities. The framework is applied to trace the injustices that a group of 800-odd drought-impacted, caste-oppressed, landless persons from central India experience through their adverse economic incorporation as sanitation workers in Tiruppur’s privatized sanitation sector in southern India. Findings reveal that a history of caste oppression and uneven development in their home region produced unequal drought impacts for our informants, pushing them to migrate. However, migrants’ caste and regional identity combine with their climate and economic precarity to direct their migration into precarious, unjust working conditions and employer-provided, environmentally risky accommodations—both removed from local socio-political networks, undermining migrants’ ability to contest injustices in Tiruppur. In highlighting the translocal and trans-sectoral intersections between the migrating environmental, economic, and caste-based injustices for circular migrants, the paper argues that eliminating migrating injustices is crucial for achieving transformative adaptation and urban climate justice.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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