MétaCan
Menu
Retour à la cohorte
Enregistrement W2251256782 · doi:10.1177/1478210315571214

Women's empowerment and education: Panchayats and women's Self-help Groups in India

2015· article· en· W2251256782 sur OpenAlexaff
Ratna Ghosh, Paromita Chakravarti, Kumari Mansi

Notice bibliographique

RevuePolicy Futures in Education · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésEmpowermentAffirmative actionPanchayati rajPoliticsEconomic growthGovernment (linguistics)Political scienceGender studiesSociologyPublic administrationLawEconomics

Résumé

récupéré en direct d'OpenAlex

While women have made many advances, their inferior status to men continues to be a global phenomenon. At a time of unprecedented economic growth, India is experiencing a dramatic intensification of violence against women and the majority of girls are still not getting equal educational opportunity. In one of the most important steps for the empowerment of women, the Indian government gave constitutional status to village-level councils or Panchayati Raj institutions and reserved 33% of the seats in Panchayats for women. In addition, women were organized into Self-help Groups to mark the beginning of a major process of empowering women, although not much attention was paid to women's formal education. Our aim was to explore the impact of these measures on women's empowerment in the states of West Bengal and Mizoram. In general, we found that affirmative action does ensure that larger numbers of women enter politics but it does not ensure that the women participate in politics and function as elected representatives, because of lack of education. Empowerment needs to be seen as a holistic outcome of processes of critical education that enables women to lead autonomous lives and the freedom to act. Both affirmative action and education are necessary to empower women who have suffered discrimination and lack of power always.

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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,057

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
Bibliométrie0,0010,003
Études des sciences et des technologies0,0040,006
Communication savante0,0040,002
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,013
Tête enseignante GPT0,257
Écart entre enseignants0,244 · 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'étudeQualitatif
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

Citations38
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicy Futures in EducationMême sujetMicrofinance and Financial InclusionTravaux en français237 207