Predictors of traditional medical knowledge transmission and acquisition in South West Nigeria
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study investigated the roles of demographic variables in the transmission and acquisition of traditional medical knowledge (TMK) in rural communities of South West Nigeria. Survey research design was adopted. Three communities from each of the six states in South West Nigeria were purposively selected. Snowball technique was used in selecting 228 Traditional Medical Practitioners (TMPs), while convenience sampling was used in selecting 529 traditional medicine apprentices. The structured questionnaire used focused on the demographic characteristics of the TMPs and their apprentices. Three key informant interviews and two focus group discussion sessions were also conducted in each state. The quantitative data were analysed using descriptive statistics, binary logistic regression and Chi square analysis, while qualitative data were analysed thematically. Logistic regression analyses showed that years of experience (Exp(B) = 1.875) was a significant predictor of knowledge transmission by the TMPs. Apprentices’ marital status (Exp(B) = 2.250), expected length of apprenticeship (Exp(B) = 0.305) and completed length of apprenticeship (Exp(B) = 15.782) were significant predictors of TMK acquisition. Qualitative results also showed a relationship between age, sex, education and TMK transmission. Enhanced level of education improved transmission, while religion reportedly hindered acquisition. Improved access to basic and adult education and the need to stop gender discrimination is recommended to improve TMK transmission.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 découle