MétaCan
Menu
Retour à la cohorte
Enregistrement W7026370039

Alternative livelihoods for forest edge communities : cheese making in the Democratic Republic of the Congo

2022· dissertation· en· W7026370039 sur OpenAlexaboutno aff

Notice bibliographique

RevueDuo Research Archive (University of Oslo) · 2022
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueHistorical Influence and Diplomacy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLivelihoodPurchasingDemocracyQuarter (Canadian coin)Constraint (computer-aided design)Production (economics)State (computer science)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study aims to contribute to the exploration of using innovative ideas when implementing alternative livelihoods. This research examines the possibility for an innovative alternative livelihood for the Nyindu people, a forest-edge community in the Itombwe Mountains, Democratic Republic of the Congo, through the introduction of cheese-making. Cheese making has the potential to avoid livelihood practices that contribute to deforestation.\nHaving community involvement in this innovative project was central to the analysis of whether this livelihood could be an option. Questionnaires administered to potential consumer and producers elicited results that show a high level of keenness to begin cheese-making and a high level of willingness to purchase locally produced cheese.\nThrough the use of a questionnaire that was administered for both potential producers (n=132) and consumers (n=100), results show that potential producers are keen to start producing cheese with 95% of respondents communicating their keenness. The main constraint identified to cheese production was cheese making training (92%), followed by access to a financing mechanism (53%). Slightly over half of the respondents state that they bought cheese occasionally, followed by about a quarter (24%) stating they bought it frequently. The most important attribute when purchasing cheese for most respondents (63%) was supporting local farmers.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,148
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0030,000
Intégrité de la recherche0,0000,001
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 Opus0,091
Tête enseignante GPT0,383
Écart entre enseignants0,292 · 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.

Devis d'étudeQualitatif
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDuo Research Archive (University of Oslo)Même sujetHistorical Influence and DiplomacyTravaux en français237 207