Education, Male Child and Childlessness as Predictors of Spouse Abuse Among Rural and Urban Igbo-Nigerian Women
Notice bibliographique
Résumé
This research work investigated education, male child and childlessness as predictors of spouse abuse among Ibowomen living in the rural and urban areas in Nigeria. The purposive sampling was used to select 331 married women, with age range of 22-66, and all living in Imo state. The spouse rape inventory (Sri) developed by Uwaoma, Udeagha and Madukwe, (2011) was used to collect data. The multiple regression analysis of the SPSS II version 15 was used to analyze data. The researchers found education and residential area as significant predictors while male child and childlessness were not significant predictors of spouse abuse. The discussion highlighted the role of education in equipping women with the knowledge of their sexual rights and skills on how to cope with marriage based problems especially when they live in the rural areas. Key words: Education; Abuse; Spouse Abuse; Male Child; Childlessness Resume Ce travail de recherche a etudie l’education, les enfants de sexe masculin et l’infecondite comme des predicteurs de violence conjugale chez les Ibo-femmes vivant dans les zones rurales et urbaines au Nigeria. L’echantillonnage raisonne a ete utilise pour selectionner 331 femmes mariees, avec la gamme d’âge des 22-66, et tous vivent dans l’Etat d’Imo. L’inventaire viol conjoint (Sri) developpe par Uwaoma, Udeagha et Madukwe, (2011) a ete utilise pour recueillir des donnees. L’analyse de regression multiple de la version SPSS II 15 a ete utilise pour analyser les donnees. Les chercheurs ont constate domaine de l’education et residentiel des predicteurs significatifs tout enfant de sexe masculin et l’infecondite sont pas des predicteurs significatifs de violence conjugale. La discussion a souligne le role de l’education a equiper les femmes de la connaissance de leurs droits sexuels et des competences sur la facon de faire face a des problemes de mariage a base surtout quand ils vivent dans les zones rurales. Mots cles: Education; Violence; Violence conjugale; Enfant de sexe mâle; Infecondite
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».