MétaCan
Menu
Retour à la cohorte
Enregistrement W2894545690 · doi:10.5539/jel.v7n6p138

Factors Affecting Pupils’ Absenteeism at Felicormfort Junior High School (JHS) in Cape Coast, Ghana

2018· article· en· W2894545690 sur OpenAlexvenueno aff
Felix Senyametor, Emmanuel Kofi Gyimah, Vincent Mensah Minadzi

Notice bibliographique

RevueJournal of Education and Learning · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueYouth Substance Use and School Attendance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAbsenteeismNonprobability samplingPopulationPsychologyGovernment (linguistics)Medical educationDemographyMedicineSocial psychologySociology

Résumé

récupéré en direct d'OpenAlex

This study aimed at finding out factors affecting pupils’ absenteeism at Felicomfort JHS at Amamoma within the University of Cape Coast, Ghana. The total population was 145 covering the JHS1, JHS2, JHS3 pupils and teachers of the school. Purposive sampling technique was used to select 34 respondents. These were made up of 10 out of 15 teachers, 10 parents out of 53 and 14 pupils out of their accessible population of 56. Pretest, posttest, questionnaires and interviews were used to collect data from respondents. Case study design was used for the study and data analysis was done, using mean values, frequency and percentage counts with the Predictive Analytical Software (PASW) version 21. Key findings of the study indicated that 71.4 percent of absenteeism was due to teachers’ inability to care and find out from pupils the cause of their absenteeism, while 70 percent of respondents indicated that parental lack of care was the major cause of their absenteeism. However, majority (10) of respondents (71%) disagreed that pupils’ attitudes were part of the contributory factors to their habitual absenteeism. The overall percentage mean (58%) representing 8 of the pupils discounted teacher factor as responsible for their absenteeism. It was recommended that government through the District Assemblies offer some financial assistance to poor and single parents to enable them to adequately cater for their wards at school.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,127
Score d'incertitude au seuil0,505

Scores Codex et Gemma par catégorie

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

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 Opus0,031
Tête enseignante GPT0,327
Écart entre enseignants0,297 · 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 tête enseignante, 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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetYouth Substance Use and School AttendanceTravaux en français237 207