MétaCan
Menu
Retour à la cohorte
Enregistrement W2038484599 · doi:10.4236/ce.2014.59083

Needs Assessment: Knowledge on Parenting and Improving the Learning Space through Technological Advances in Afghanistan

2014· article· en· W2038484599 sur OpenAlexaff
Shahnaz Qayumi, Pachev George, Shabnam Hazrati, Sahar Habib, Vuong Son, Karim Qayumi

Notice bibliographique

RevueCreative Education · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePoverty, Education, and Child Welfare
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFunctional illiteracyAfghanDisadvantagePerceptionDeveloping countryPsychologyDevelopmental psychologyPolitical scienceEconomic growth

Résumé

récupéré en direct d'OpenAlex

There is a perception that war and illiteracy have created a gap in knowledge on parenting amongst parents in developing countries in general, but especially in post conflict countries such as Afghanistan. This knowledge gap may have subsequent negative effect on the future generations. There is also concern that parents in developing countries may not be open to receiving modern theories of childrearing. Therefore, the objective of this study was to conduct a needs assessment survey of Afghan parents with two specific aims: to estimate the need for knowledge on modern theories of early childhood development, and to determine if Afghans are open to receiving modern theories of early childhood development using technological advances such as learning through mobile phones. A survey questionnaire was designed and distributed amongst 240 families in Afghanistan. Results of the survey demonstrated a clear need for education of parents in Afghanistan, and proved that women and illiterate populations are at a disadvantage to receive this type of information. Moreover, the study demonstrated that Afghan families are open to receiving information on childrearing and that knowledge dissemination through technological advances will be acceptable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,015
Tête enseignante GPT0,341
Écart entre enseignants0,326 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCreative EducationMême sujetPoverty, Education, and Child WelfareTravaux en français237 207