Notice bibliographique
Résumé
This study reviews the governance of Kampala’s food system and refugee protection approach in order to propose strategies to recognize and protect the food security needs of Kampala’s refugee population more effectively. Uganda is Africa’s largest refugee host, with a policy approach that has been widely lauded for its flexible settlement provisions and commitment to durable solutions. However, growing refugee populations and underfunding have led to serious pressures, severely exacerbated during the COVID-19 pandemic. One unique aspect of Uganda’s refugee governance approach is the allowance of refugee populations to self-settle outside of designated camps in the capital city, Kampala. This research uses a governance lens to explore what is being done to support the food security of this group, by whom, and how this could be improved. The researcher conducted interviews with asylum seekers and refugees living in two of Kampala’s large informal settlements (Kisenyi II and Namuwongo) and with a range of policy stakeholders during May 2023. Multiple levels of government and non-governmental organizations (NGOs) offer overlapping formal and informal services and programs accessible to different populations living in settlements. This paper points to gaps and limitations linked to resources, as well as difficulties identifying vulnerable populations, locating political responsibility, coordination, and weak policy implementation, and suggests governance strategies to respond better to refugee and asylum seekers’ food security needs. Key recommended responses are to overhaul the refugee registration system, recognize and protect urban food security, and improve policy actor coordination through collaborative strategies that move beyond awareness of the crisis to setting specific targets and timelines to address it.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».