MétaCan
Menu
Retour à la cohorte
Enregistrement W4415904122 · doi:10.3389/frevc.2025.1689025

Nexus between food insecurity, poverty, and climate change: a cross-regional multifactorial analysis

2025· article· en· W4415904122 sur OpenAlexaff
Kossivi Fabrice Dossa, Yann Emmanuel Miassi

Notice bibliographique

RevueFrontiers in Environmental Economics · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueClimate change impacts on agriculture
Établissements canadiensCentre de Géomatique du Québec
Organismes subventionnairesnon disponible
Mots-clésFood securityPovertyLivelihoodNexus (standard)Climate changeFood systemsAgricultureAgricultural productivityHuman Development Index

Résumé

récupéré en direct d'OpenAlex

Climate change, by exacerbating poverty and food insecurity, creates complex dynamics that threaten global food security. This study aims to examine the complex interactions between these phenomena (climate change, poverty and food security), adopting a multidimensional approach to understand their direct and indirect relationships. The study focused on eight countries representing the African, Asian, American and European continents, selected according to their Human Development Index (HDI). Data is collected for the period 1990–2020 from platforms such as FAO, World Bank, UNDP and Our World in Data, based on indicators of poverty, climate change and food insecurity (qualitative approach). Data analysis is based on time series (temporal evolutions in climate and poverty variables) as well as thematic content analysis. Analysis of evolutions in poverty indicators and the HDI reveals marked disparities between regions, with notable progress in Asia and Europe, but persistent challenges in Africa and Yemen. Similarly, these disparities are also observed for climate evolutions and changes in land, particularly in Africa and Asia. Regarding food insecurity evolutions, there is a considerable increase with marked regional disparities, where Africa and Latin America are the most affected. Direct arable effects include reduced agricultural productivity, crop and livestock yield, increased undernourishment, reduced livelihoods and producer incomes. Indirectly, these changes reduce crop quality, disrupt ecosystem services, exacerbate resource conflicts and increase production costs. These findings provide guidance for policymakers and researchers in developing integrated strategies that address not only food security and poverty, but also climate change.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,042
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,004
Bibliométrie0,0050,005
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,023
Tête enseignante GPT0,229
Écart entre enseignants0,206 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Environmental EconomicsMême sujetClimate change impacts on agricultureTravaux en français237 207