Gendered geographical inequalities in junior high school enrollment
Notice bibliographique
Résumé
Purpose The purpose of this paper is to examine the spatial patterns of gender inequality in junior high school enrollment and the educational resource investments associated with the spatial trends. Design/methodology/approach The paper uses data on 170 districts in Ghana and hot spot analysis based on the Getis-Ord Gi statistic, linear regression, and geographically weighted regression to assess spatial variability in gender parity in junior high school enrollment and its association with resource allocation. Findings The results reveal rural-urban and north-south variability in gender parity. Results show that educational resources contribute to gender parity. At the national level, educational expenditure, and the number of classrooms, teachers, and available writing places have the strongest positive associations with girls’ enrollment. These relationships are spatially moderated, such that predominantly rural and Northern districts experience the most substantial benefits of educational investments. Practical implications The findings show that strategic allocation of infrastructure, financial, and human resources through local governments holds promise for a more impactful and sustainable educational development of all children, regardless of gender. Besides seeking solutions that address the lack of resources at the national level, there is a need for locally tailored efforts to remove the barriers to equitable distribution of educational resources across gender and socioeconomic groups. Originality/value This paper’s use of advanced spatial analysis techniques allows for in-depth examination of gender parity and investments in educational resources, and highlights the spatial nuances in how such investments predict gender disparities in junior high school enrollment. The findings speak to the need for targeted and localized efforts to address gender and geographical disparities in educational opportunities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».