MétaCan
Menu
Retour à la cohorte
Enregistrement W2183404142

Ethnic Favoritism in Primary Education in Kenya

2014· article· en· W2183404142 sur OpenAlexaboutno aff
Eric Kramon, Daniel Posner

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCulture, Economy, and Development Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEthnic groupKenyaCabinet (room)PoliticsColonialismPolitical scienceQuarter (Canadian coin)Competition (biology)Educational attainmentEconomic growthSociologyLawGeographyEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

African leaders are widely presumed to favor members of their own ethnic groups with patronage resources. We assess the empirical validity of this claim by studying ethnic favoritism in the education sector in Kenya. We use data on the educational attainment of more than fifty thousand Kenyans dating back to the colonial era, as well as information about the ethnic identities of Kenyan presidents, cabinet members, and high-level education bureaucrats since the 1960s. We find that having a coethnic as president during one’s primary school-age years is associated with about a one-quarter of a year increase in years of primary schooling and with substantial increases in the probability of attending and completing both primary and secondary school. Coethnics of the minister of education also acquire more schooling than children from other ethnic groups. In contrast to recent studies, multiparty political competition has no impact on the degree of ethnic favoritism by presidents and ministers of education. We find that these patterns stem from both targeting by elites and expectations of such targeting by parents who make decisions about investments in their children’s schooling. * The authors thank members of the Working Group in African Political Economy (WGAPE) and seminar participants at Dartmouth, Georgetown, MIT, NBER, Oxford, Penn, Princeton, Rochester, Stanford, Virginia, the World Bank, and the Juan March Institute for their helpful comments on earlier drafts. We also thank Antony Munene for his research assistance. Kramon acknowledges support by the Air Force Office of Scientific Research (AFOSR) under Award No. FA9550-09-1-0314. Posner thanks the Center for Advanced Study in the Behavioral Sciences for its support during the paper’s initial stages.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,122
Score d'incertitude au seuil0,242

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,023
Tête enseignante GPT0,315
Écart entre enseignants0,292 · 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

Citations65
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCulture, Economy, and Development StudiesTravaux en français237 207