MétaCan
Menu
Retour à la cohorte
Enregistrement W4414339853 · doi:10.1108/dpm-02-2025-0037

Cascading catastrophes: gendered experiences of the pandemic among Typhoon Haiyan survivors in Tacloban City

2025· article· en· W4414339853 sur OpenAlexaff
Sivakamy Thayaalan, Geneviève Minville, Yvonne Su

Notice bibliographique

RevueDisaster Prevention and Management An International Journal · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésTyphoonLivelihoodVulnerability (computing)PandemicMental healthPsychological resilienceSuicide preventionDisaster research

Résumé

récupéré en direct d'OpenAlex

Purpose To understand the gendered impacts of the cascading disasters that represent the COVID-19 pandemic on Typhoon Haiyan survivors living in resettlement sites in Tacloban City, the city most devastated by the 2013 Typhoon Haiyan. Design/methodology/approach Findings are based on household surveys conducted for an exploratory project broadly studying the effects of COVID-19 on resettlement site residents. Fieldwork was conducted in June 2021 with 357 Typhoon Haiyan survivors living in four resettlement sites in Tacloban City during COVID-19. Findings Female Typhoon Haiyan survivors have been disproportionately affected by the pandemic in terms of their mental health, the amount and quality of food available to them, their monthly income, livelihood and caretaking responsibilities. We also find that the pandemic has highlighted the gaps in services available to residents, such as mental health and sexual or reproductive services. Originality/value This paper contributes to the limited primary data available on the impacts of the pandemic on Typhoon Haiyan survivors, particularly its gendered impacts. It also adds to the literature on cascading disasters from a gender perspective. It disrupts the traditional dichotomy between vulnerability and resilience by demonstrating how women exhibit both traits in response to disasters due to imposed external conditions.

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 enseignants0,194
Score d'incertitude au seuil0,981

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 savante0,0000,001
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 Opus0,075
Tête enseignante GPT0,355
Écart entre enseignants0,280 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDisaster Prevention and Management An International JournalMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207