Intersectionality matters: An analysis of women’s empowerment among livestock holders in Nepal, Senegal and Uganda
Notice bibliographique
Résumé
• While research on gender in livestock settings is growing, greater attention should be devoted to intersectionality. • An intersectional analysis of WELI data in three countries unveiled inequities beyond gender differences. • In Nepal, caste differences in empowerment among livestock owners are more consequential than those defined by gender. • Gender differences in empowerment scores are significant in Uganda and Senegal, but the magnitude varies by ethnicity. Many tools have been deployed to measure women’s empowerment in development contexts, but few have explicitly adopted an intersectional lens when studying livestock holders. This paper uses an intersectional approach to analyze qualitative (Focus Group Discussions, FGDs) and quantitative data (using the Women’s Empowerment in Livestock Index, WELI) for livestock-holding communities in Nepal, Senegal, and Uganda. Our analysis focuses on the intersection between gender and caste in Nepal, and gender and ethnicity in Senegal and Uganda. Findings from 71 FGDs reveal important differences in the gender distribution of livestock-related roles by caste or ethnic groups and in conceptualizations of women’s empowerment. Multivariate regressions for individual empowerment scores derived from the WELI (821 men and women interviewed separately) show that, in Senegal and Uganda, differences in empowerment indicators by gender are statistically significant even when ethnicity is considered, but further comparisons between ethnic groups reveal deeper insights. Conversely, in Nepal, the most pronounced differences in empowerment are between women (and men) from different castes, while gender differences within each caste are more limited. Qualitative findings help shed further light on these findings by unveiling dimensions of empowerment that are locally deemed important but are not captured by WELI indicators. We also compare the contribution of intrinsic, instrumental, and collective agency indicators to the disempowerment of different gender and intersectional groups and discuss possible reasons for all these differences, aided by the findings from FGDs. We provide recommendations for improving future intersectional analyses employing WELI and mixed-method approaches.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».