MétaCan
Menu
Retour à la cohorte
Enregistrement W2795045423 · doi:10.18535/jmscr/v6i3.156

Eliminating and Sustaining Factors Influencing Child Begging in North Central Geo-Political Zone of Nigeria

2018· article· en· W2795045423 sur OpenAlexaff
Nwafor Obianuju Charity

Notice bibliographique

RevueJournal of Medical Science And clinical Research · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensEducation and Early Childhood Development
Organismes subventionnairesnon disponible
Mots-clésBeggingMedicinePoliticsPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

The study examined eliminating and sustaining factors influencing child begging in North central geo-political zone of Nigeria.The researchers adopted survey research design with a population of 7,050 comprising children, mualluns and parents.Three research questions were used as a guide to the study and the sample of 721 comprising 621 mualluns and parents and 100 almajiri drawn from two sampled states through simple random and purposive sampling techniques.The instruments used for data collection were researchers developed questionnaire titled "Eliminating and sustaining factors of Child Begging Questionnaire (ESFCQ), interview and close observation which were face validated by three experts in Childhood Education, Islamic studies and Measurement and Evaluation from Federal College of Education, Kontagora, Niger State.The reliability estimate of ESFCQ was established using Cronbach Alpha's co-efficient method and the index ranged from 0.78 to 0.71.Findings of the study revealed that poverty, migration and almajiri syndrome are the major sustaining factors, while provision of adequate social amenities like schools, daily school feeding for pupils and reorientation can play a vital role as eliminating factors of child begging.The study therefore recommended that Government should improve the living condition of families to take care of their children and also restructure the Islamiyya to include modern subjects in the centers.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,204
Tête enseignante GPT0,600
Écart entre enseignants0,396 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical Science And clinical ResearchMême sujetHomelessness and Social IssuesTravaux en français237 207