MétaCan
Menu
Retour à la cohorte
Enregistrement W4407986916 · doi:10.1007/s10708-025-11301-z

Internal migration, precarious housing and health issues in urban Ghana

2025· article· en· W4407986916 sur OpenAlexaff
Senyo Dotsey, Francis Dzikpe, Daniel Kennedy Amoah

Notice bibliographique

RevueGeoJournal · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban and Rural Development Challenges
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesPolitecnico di Torino
Mots-clésHuman geographyInternal migrationGeographyEconomic geographyEconomic growthPolitical scienceDeveloping countryEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Most housing forms and living arrangements in contemporary African cities poorly address the needs of mobile populations. This paper therefore explores the housing and living conditions that emerge from the temporal mobility patterns practised by poor, low-income internal migrants and health issues emanating from such living and housing arrangements. The study is based on 71 semi-structured interviews with internal migrants—head porters (locally known as kayayei )—who primarily migrated from northern Ghana to the central part of the country, Kumasi. The findings demonstrate that in addition to the health problems arising from the physically demanding nature of their work, all participants endure precarious housing conditions, further exacerbating their health issues. More importantly, it is argued here that the COVID-19 pandemic has heightened their socio-economic vulnerability and instability. The implications of these findings are significant for policies related to housing, health and (internal) migration.

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 enseignants0,295
Score d'incertitude au seuil0,996

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 ouverte0,0000,000
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 Opus0,030
Tête enseignante GPT0,340
Écart entre enseignants0,310 · 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

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeoJournalMême sujetUrban and Rural Development ChallengesTravaux en français237 207