MétaCan
Menu
Retour à la cohorte
Enregistrement W2170490932 · doi:10.5539/ass.v9n8p23

Working Children and Knowledge of Right to Education: A Study of Child Labour in Sabah, Malaysia

2013· article· en· W2170490932 sur OpenAlexvenueno aff
Rahimah Abdul Aziz, Suriati Iskandar

Notice bibliographique

RevueAsian Social Science · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePoverty, Education, and Child Welfare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWorkforceChild labourWork (physics)Right to educationEconomic growthExploitPolitical sciencePsychologyEconomicsLawHuman rightsEngineering

Résumé

récupéré en direct d'OpenAlex

In many countries of the world child labour persists despite the existence and implementation of laws and regulations to eliminate the problem. In many instances children are preferred as workforce because they are easier to manipulate, intimidate, abuse and exploit due in part to their inexperience and relative immaturity. There are many reasons why children work. However, their labour participation means that they are denied or deprived of their right to education, which is crucial to their future prospects, personal development and directly or indirectly to the development of a country. They are not attending school as they should or are not spending enough time on educational development. A study was conducted in 2007-2008 in Tawau, Sabah, Malaysia to determine if the working children are aware of their right to education and if they feel deprived not attending school. It is also to identify reasons they work and if they would return to school if given the opportunity to do so. A total of 26 child labourers aged 9 – 18 years were sampled and interviewed for the purpose. This paper discusses the findings of the study. From the study it can be concluded that there are many reasons that caused many children to work, which in turn have deprived them of their education. Without education their future would be bleak. This is because only education can help change and improve their lives and their future.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,071
Score d'incertitude au seuil0,141

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
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 Opus0,008
Tête enseignante GPT0,288
Écart entre enseignants0,280 · 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

Citations10
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetPoverty, Education, and Child WelfareTravaux en français237 207