MétaCan
Menu
Retour à la cohorte
Enregistrement W4401300771 · doi:10.61194/ijss.v5i3.1241

Strengthening Climate Change Resilience and Adaptive Livelihood for Women’s and Youth in Poso, Central Sulawesi

2024· article· en· W4401300771 sur OpenAlexaff
Mas Davino Sayaza, Tjahjo Tri Hartono, Almyanti Ningrum, Usep Saripudin, Tarmizi Alba

Notice bibliographique

RevueIlomata International Journal of Social Science · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Security and Socioeconomic Dynamics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésLivelihoodResilience (materials science)Climate changeGeographyDevelopment economicsOceanographyGeologyEconomicsAgricultureArchaeologyPhysics

Résumé

récupéré en direct d'OpenAlex

This study investigates the challenges of climate change and its disproportionate impacts on marginalized communities in Poso, Central Sulawesi, focusing on sustainable livelihood development. Through the Sustainable Livelihood Framework, Satelite Image Analysis and Theory of Change, the research explores livelihood assets and vulnerability contexts, employing a case study approach in Masani and Lape Villages. Primary data was collected through interviews and focus group discussions, while secondary data was gathered from literature study. Results reveal the challenges regarding livelihood assets which are agricultural productivity problems, limited access to healthcare, and underutilization of natural resources. Proposed strategies to address the challenges include capacity building, post-harvest technology enhancement, home gardening promotion, and agrotourism development. Furthermore, stakeholder collaboration and policy enhancement are vital for effective implementation. Ultimately, the study advocates for better improvement and utilization of livelihood assets through inclusive and adaptive approaches to enhance community resilience and sustainability, empowering marginalized groups for a more prosperous future.

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)0,000
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 enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
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 Opus0,022
Tête enseignante GPT0,261
Écart entre enseignants0,239 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIlomata International Journal of Social ScienceMême sujetFood Security and Socioeconomic DynamicsTravaux en français237 207