Adaptation Strategies Through Mining Compensation in Mabayi Commune, Burundi
Notice bibliographique
Résumé
One of main effects of mining on rural agriculture is the loss of farmland by households living near mining sites. In return, these households should receive compensation. This compensation, if well invested, may lead to improved livelihoods for these farming households. If not, these households may find their livelihoods deteriorating if the compensation is not properly managed. This paper aims to analyze household compensation investment strategies in Mabayi commune (Burundi) and their effects on the livelihoods of households affected by mining activities. A survey of 140 households, interviews with key informants, and observations were conducted in July and August 2022 on Gahoma and Ruhororo hills where foreign company ‘‘Tanganyika Mining Burundi (TMB)’’ and local cooperative ‘‘Dukorere Hamwe Dusoze Ikivi (DHDI)’’ were carrying out their activities respectively since December 2018, in Mabayi commune. Results showed that 17 out of 20 households (85%) and 13 out of 17 households (76.5%) had invested their compensation well, in Gahoma and Ruhororo hills respectively. They had improved or maintained their overall quantity of agricultural production, and improved their livelihoods in general. On other hand, 3 households (15%) and 4 households (23.5%) had invested their compensation inappropriately, in Gahoma and Ruhororo respectively. They had suffered reduction in their overall quantity of agricultural production, and experienced deterioration of their livelihoods in general. Fair and up-front compensation for households, assistance in how to invest compensation, capacity-building in agriculture and alternative activities, should maximize opportunities for improved livelihoods. The mining company and cooperative must also comply with environmental regulations.
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 | 0,001 | 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 | 0,001 | 0,003 |
| 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 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 ».