five

Cambodian child beggars in Thailand : a case study of rights and needs based approaches in legislation and implementation

收藏
Mendeley Data2024-01-31 更新2024-06-28 收录
下载链接:
http://doi.nrct.go.th/?page=resolve_doi&resolve_doi=10.14457/CU.the.2010.872
下载链接
链接失效反馈
资源简介:
To determine the extent that Thailand’s Anti-Trafficking in Persons Act (2008) protects the rights of Cambodian child beggars as outlined in human rights conventions. This was done by assessing the level of policy coherence between Thailand’s Anti-Trafficking in Persons Act (2008) and other related policies, by assessing the practicality of the guidelines used for screening victims of trafficking by Thai officials, and by assessing whether Thai officials’ attitudes towards Cambodian child beggars affected whether the rights-based approach or the needs-based approach was followed in practice. This research found that there was strong policy coherence between Thailand’s Anti-Trafficking in Persons Act (2008) and other related policies, such as the Child Protection Act (2003), the Labor Protection Act (2008), and the Domestic Violence Victim Protection Act (2007). Despite this fact, there existed large policy incoherence between Thailand’s Anti-Trafficking in Persons Act (2008) and the Beggar Control Act (1941) and Immigration Act (1979). The lack of policy coherence between Thailand’s Anti-Trafficking in Persons Act (2008) and the two latter Acts was found to deeply affect whether Thai officials followed the rights-based approach or the needs-based approach when dealing with Cambodian child beggars. This was because some saw the Cambodian child beggars as victims of trafficking, while others saw them as voluntary migrants, illegal migrants, or both. This in turn made for a subjective screening process and affected whether Cambodian child beggars were taken under Thai custody at all. From interviews with Cambodian child beggars, it was found that although Thai officials do not follow the Anti-Trafficking in Persons Act (2008) for every Cambodian child beggar in this study, this may be a more practical approach so that the immediate needs of the majority of these Cambodian child beggars are met. Nonetheless, this raises concerns over how to more effectively address the structural causes of the child begging problem.
创建时间:
2024-01-31
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4099个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

AirSafe_DB

该数据集包含了从Plane Crash Info网站上抓取的飞机事故的结构化信息,原始数据为CSV格式,经过AI模型处理后生成了标准化的JSON格式数据。数据集包含5049条记录,每条记录包括事故信息(日期、时间、地点等)、飞机信息(运营商、航班号、机型等)、伤亡统计(总死亡人数、机组人员、乘客、地面人员等)、事故摘要(事故描述、事故类型、飞行阶段等)等内容。数据经过标准化处理,确保数据质量和一致性,适用于分析和研究。

huggingface 收录

中国1km分辨率逐月降水量数据集(1901-2024)

该数据集为中国逐月降水量数据,空间分辨率为0.0083333°(约1km),时间为1901.1-2024.12。数据格式为NETCDF,即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集,通过Delta空间降尺度方案在中国降尺度生成的。并且,使用496个独立气象观测点数据进行验证,验证结果可信。本数据集包含的地理空间范围是全国主要陆地(包含港澳台地区),不含南海岛礁等区域。为了便于存储,数据均为int16型存于nc文件中,降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理,Matlab发布了读入与存储nc文件的函数,读取函数为ncread,切换到nc文件存储文件夹,语句表达为:ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent]),其中XXX.nc为文件名,为字符串需要’’;var是从XXX.nc中读取的变量名,为字符串需要’’;i、j、t分别为读取数据的起始行、列、时间,leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样,研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令,可查看。数据坐标系统建议使用WGS84。

国家青藏高原科学数据中心 收录

DIPSEER: A Dataset for In-Person Student Emotion and Engagement Recognition in the Wild

DIPSEER是一个用于识别学生情绪和参与度的数据集,包含图像、标签和传感器数据。

github 收录

LIDC-IDRI

LIDC-IDRI 数据集包含来自四位经验丰富的胸部放射科医师的病变注释。 LIDC-IDRI 包含来自 1010 名肺部患者的 1018 份低剂量肺部 CT。

OpenDataLab 收录

OpenML-CC18

我们提倡使用经过整理的、全面的机器学习数据集基准测试套件,以标准化的基于 OpenML 的接口和用 Python、Java 和 R 编写的互补软件工具包为后盾。我们展示了如何使用标准化的基于 OpenML 的基准测试套件轻松执行全面的基准测试研究以及用 Python、Java 和 R 编写的互补软件工具包。 OpenML 基准测试套件的主要显着特点是 (i) 通过标准化数据格式、API 和现有客户端库易于使用; (ii) 关于套件内容的机器可读元信息; (iii) 在线共享结果,实现大规模比较。作为第一个这样的套件,我们提出了 OpenML-CC18,这是一个机器学习基准套件,包含 72 个分类数据集,从 OpenML 上的数千个数据集中精心策划。纳入标准是: * 密集数据集独立观察的分类任务 * 类数 >= 2,每个类至少有 20 个观察和少数类与多数类的比例必须超过 5% * 500 <= 观察数 <= 100000 * one-hot-encoding 后的特征数量 < 5000 * 没有人工数据集 * 没有更大数据集的子集,也没有其他数据集的二值化 * 没有可以通过使用单个特征或使用简单的决策树来完全预测的数据集* 来源或参考可用 如果您使用此基准测试套件,请引用:Bernd Bischl、Giuseppe Casalicchio、Matthias Feurer、Frank Hutter、Michel Lang、Rafael G. Mantovani、Jan N. van Rijn 和 Joaquin Vanschoren。 “OpenML 基准测试套件”arXiv:1708.03731v2 [stats.ML] (2019)。 @article{oml-benchmarking-suites, title={OpenML Benchmarking Suites}, author={Bernd Bischl and Giuseppe Casalicchio and Matthias Feurer and Frank Hutter and Michel Lang and Rafael G. Mantovani and Jan N. van Rijn and Joaquin Vanschoren},年={2019},日记={arXiv:1708.03731v2 [stat.ML]} }

OpenDataLab 收录