Professional impotence: Impact of alcoholism on secondary school teachers in Uganda
Notice bibliographique
Résumé
Rukundo A. & Magambo J. (2013). Professional impotence: Impact of alcohol abuse on secondary schoolteachers in Uganda. International Journal of Alcohol and Drug Research, 2(2), 69-74. doi: 10.7895/ijadr.v2i2.104 (http://dx.doi.org/10.7895/ijadr.v2i2.104)Aims: We conducted this study to explore the impact of alcohol consumption on teachers’ jobs in Uganda. Specifically, we investigated the types of alcohol consumed by schoolteachers, reasons for alcohol abuse among teachers, justifications for mixing different types of drinks while drinking, and the effects of alcohol abuse on secondary schoolteachers. Design: Cross-sectional, descriptive.Participants: We involved 54 teachers (79.6% males and 20.4% females) in focus group discussions (FGDs) and four teachers (all male) in in-depth interviews.Measurement: Interviews were conducted to validate the data from FGDs as done by vanTartwijk, den Brok, Veldman and Wubbels (2008). Thematic analysis was employed to describe themes and emerging trends.Results: Data gathered from both in-depth interviews and FGDs show that teachers in Uganda drink a variety of “local” and “exotic” types of alcohol, for a variety of reasons. Results also indicate that during drinking sessions, teachers mix drinks for different reasons, but mainly to increase or decrease the potency of alcoholic drinks, depending on their types. All participants mentioned that over-consumption of alcohol negatively affects the teacher’s job and career in ways that include poor performance, neglect and loss of job.Conclusion: While teachers in Uganda drink many types of alcohol for apparently “good” reasons, those teachers who over-drink eventually fall into job inefficiency.
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 | 0,006 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».