Implications of peri-urban land reform programs on urban land markets: a case study of Harare, Zimbabwe
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
Zimbabwe implemented the Fast-Track Land Reform Program (FTLRP) in the year 2000. This program has had far-reaching implications on urban development, especially on urban land markets in cities and towns. This paper highlights the implications of the land reform program on urban land markets, using Harare as a case study. The paper is based on document review (policy, academic and development literature) and interviews with key informants with experience and knowledge of the land reform and its associated implications on urban land markets. Our analysis demonstrates that the land reform process in peri-urban spaces was complex and largely driven by political interests. The land reform process distorted the urban planning processes, leading to disparities in the land markets. Such disparities include informal and uncontrolled processes of accessing land and, ultimately, rapid development of informal settlements in the city. Political elites and land barons took advantage of the land reform program extorting money from desperate home-seekers. We conclude that the distortion of urban land markets by politically driven land reform processes negatively affects sustainable urban development. Overall, the paper makes a valuable contribution to the growing literature on land reforms and peri-urban development in Africa, demonstrating the complex and multidimensional implications of land reform programs on peri-urban land markets. Based on the study findings, the paper provides a set of policy recommendations aimed at improving the effectiveness and equity of land reform programs in African peri-urban areas.
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 | 0,003 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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