MétaCan
Menu
Retour à la cohorte
Enregistrement W2098549775 · doi:10.1080/07399330490444803

RETHINKING LITERACY AND WOMEN'S HEALTH: A BANGLADESH CASE STUDY

2004· review· en· W2098549775 sur OpenAlexaff
Kimine Mayuzumi

Notice bibliographique

RevueHealth Care For Women International · 2004
Typereview
Langueen
DomaineSocial Sciences
ThématiquePoverty, Education, and Child Welfare
Établissements canadiensUniversity of TorontoToronto Rehabilitation Institute
Organismes subventionnairesnon disponible
Mots-clésHealth literacyLiteracyIndigenousColonialismHealth careGender studiesSociologyEconomic growthPolitical scienceMedicinePsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

Health and literacy are two major areas of women's development in the Third World. Although health and literacy have been recognized as essential elements for improving the quality of women's lives, questions emerge from Eurocentric and colonial assumptions about development, including the following: Does literacy have an impact on women's health? If it does, what are the mechanisms whereby literacy could have an impact on women's health? Using Bangladesh as a case study, I question the Eurocentric and colonial nature of dominant discourses in the answers to questions about literacy and women's health. I argue that literacy and women's health need to be reconsidered from the local women's standpoint since dominant discourses fail to take into consideration local women's worldviews, indigenous knowledge, and oral traditions. Finally, I make some recommendations for future research and programming in literacy and women's health in Bangladesh and in health care in Third World contexts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,889
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,042
Tête enseignante GPT0,421
Écart entre enseignants0,378 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth Care For Women InternationalMême sujetPoverty, Education, and Child WelfareTravaux en français237 207