MétaCan
Menu
Retour à la cohorte
Enregistrement W4398186551 · doi:10.1177/21582440241250114

Women Empowerment Status in the Coastal Fishing Communities of Bangladesh

2024· article· en· W4398186551 sur OpenAlexaff
M. Wakilur Rahman, A.B.M. Mahfuzul Haque, Tasnuva Zaman, Md. Salauddin Palash, Md. Nahiduzzaman, Tanzina Nazia

Notice bibliographique

RevueSAGE Open · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésFishingEmpowermentSocioeconomicsGeographyFisheryEconomic growthSociologyEconomics

Résumé

récupéré en direct d'OpenAlex

Socially ascribed gender norms are a significant barrier for women of the fishing communities in coastal Bangladesh. These norms limit women’s income autonomy, access to productive resources, decision making capacity and mobility, which negatively affects their economic empowerment and overall well-being. The article delves into the topic of women’s empowerment in these communities. The study employed a mixed method approach to collect data from ECOFISH II project intervention villages. Pro-WEFI, which is a modified and refined version of the Women’s Empowerment in Agriculture Index (WEAI) was utilized for fishing community to determine women’s empowerment and disempowerment status across three domains of empowerment (3DE): intrinsic, instrumental, and collective agency. The findings revealed that men experienced fewer inadequacies than women, with a weighted average 3DE score of 0.75 for men and 0.57 for women, and only 14% of women and 37% of men were found to be empowered. The Gender Parity Index (GPI) score was 0.79 and households with gender parity made up 31% of the total. This study developed a comprehensive set of Pro-WEFI indicators applicable for assessing and comparing women’s empowerment across cultures in fisheries-related projects. Utilizing the disaggregated scores of each Pro-WEFI indicator, it is possible to identify areas of disempowerment for both genders and prioritize project interventions accordingly. Furthermore, employing the Pro-WEFI tool in a longitudinal panel design can capture the changes in women’s empowerment over time in any fisheries project.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,805
Score d'incertitude au seuil0,901

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,041
Tête enseignante GPT0,263
Écart entre enseignants0,222 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations10
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAGE OpenMême sujetMicrofinance and Financial InclusionTravaux en français237 207