<i>“It Has Been a Breath of Fresh Air”</i> Participants’ Perception of the Impact of Self-Reliance Intervention Among Urban Refugees
Notice bibliographique
Résumé
The forcibly displaced population is at a record high, including over 35 million refugees. Most refugees are hosted in neighboring countries where they face limited opportunities to rebuild their lives and they often remain in protracted displacement for an average of 20 years. The traditional durable solutions namely - repatriation, resettlement and local integration, are increasingly scarce, with only four percent of refugees achieving any of these outcomes recently. Humanitarian efforts are overwhelmed, making the prevailing response to refugee crises inadequate. Developing innovative and sustainable support strategies is imperative. Thus, in recent years, a solution to the plight of refugees has focused on the development of self-reliance intervention. Guided by the Amartya Sen Capabilities Approach and the Kalobeyei Conceptual Framework for Refugee Self-Reliance, this qualitative study explored the impact the Urban Refugee Protection Program (URPP), a self-reliance intervention program, on participant well-being. Data was collected through in-depth interviews with 23 refugees from various African countries during the summer of 2023 (June-August). The study identifies five themes: economic empowerment through holistic approach, capacity building, emotional and social benefits, and challenges faced by refugees. The findings emphasize the importance of self-reliance interventions as a critical solution to the global refugee crisis. The holistic approach addresses multiple dimensions of well-being, helping refugees transition from survival to self-sufficiency, restoring their dignity and hope for the future. Implications for practice, policy and research are discussed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».