MétaCan
Menu
Retour à la cohorte
Enregistrement W4405379221 · doi:10.14426/ahmr.v10i3.2437

Pandemic Mobilities, Livelihood Disruptions, and Food Insecurities among Eastern Cape Migrants in Cape Town and Johannesburg during COVID-19

2024· article· en· W4405379221 sur OpenAlexaff
Jonathan Crush, Godfrey Tawodzera, Maria Salamone, Zack Ahmed

Notice bibliographique

RevueAFRICAN HUMAN MOBILITY REVIEW · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensWilfrid Laurier UniversityBalsillie School of International Affairs
Organismes subventionnairesnon disponible
Mots-clésCapeLivelihoodMobilitiesPandemicCoronavirus disease 2019 (COVID-19)Geography2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)SocioeconomicsAgricultureMedicineSociologyOutbreakVirologyArchaeology

Résumé

récupéré en direct d'OpenAlex

This paper examines the impact of the COVID-19 pandemic on internal migrants from the Eastern Cape in the cities of Cape Town and Johannesburg, South Africa, with a focus on mobility restrictions, livelihood disruptions, and food insecurity. Methodologically, the paper draws on a survey of 1,733 migrant households in the two cities conducted in 2023 and identifies significant economic hardships and increased food insecurity among internal migrants during the pandemic. Findings reveal that the pandemic exacerbated vulnerabilities, with many migrants experiencing job losses, reduced remittances, and heightened food insecurity. The paper underscores the need to differentiate between internal and international migrants in policy responses in times of crisis to ensure targeted support for the most affected populations.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,264
Score d'incertitude au seuil0,944

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 technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,038
Tête enseignante GPT0,328
Écart entre enseignants0,290 · 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'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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAFRICAN HUMAN MOBILITY REVIEWMême sujetMigration and Labor DynamicsTravaux en français237 207