Developing a Success Rate Metric for Evaluating Compensation in Development-Driven Forced Displacement and Resettlement in Bangladesh: A Micro-Level Approach
Notice bibliographique
Résumé
Despite the large number of people being displaced every year owing to development projects, particularly in developing countries, resettling and rehabilitating displaced individuals remains a major challenge. To address this challenge, compensation is used as the primary tool for development-driven forced displacement and resettlement, provided in the form of land, cash, and houses for displaced households. The effectiveness of compensation in resettling displaced individuals is crucial. Therefore, it is essential to assess the impact of compensation on the characteristics of affected households at the micro-level. While existing research has predominantly offered a macro-level perspective on compensation outcomes, the study presents a new approach for evaluating the success rate of compensation programs at a micro-level, focusing on the characteristics of the households affected by the Jamuna Multi-purpose Bridge Project in Bangladesh. The approach uses the chi-square test to assess changes in household living conditions before and after compensation. It determines if compensation has an equal or unequal effect on different household characteristics across eight categories derived from the Impoverishment Risk and Reconstruction (IRR) model. The study calculates the success rate of compensation by counting the number of equal effects for all household characteristics within each category. The findings led to the development of a success rate metric for evaluating compensation programs, where a success rate of 50% indicates moderate success and 75% indicates a successful outcome. This provides a clear and quantifiable measure for assessing the effectiveness of compensation and guiding the development of fairer compensation policies and outcomes.
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 | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».