Technical and vocational education and training in Uganda: A critical analysis
Notice bibliographique
Résumé
Abstract This article undertakes a diagnostic study of the Technical and Vocational Education and Training (TVET) sub‐sector in Uganda, with a view to characterizing the sub‐sector and identifying its potential strengths and weakness. We undertook a cross‐sectional pre‐survey of purposively selected key stakeholders in the TVET sub‐sector. We selected performance indicators following their importance in influencing the TVET reform process. Both qualitative and quantitative data was solicited from the stakeholders. Quantitative data was collected through stakeholder‐specific structured questionnaires, whilst qualitative data was collected through desk review and field visits, individual focused interviews and focus group discussions. Our findings indicate that financing and planning constraints have resulted in poor quality equipment, under‐ and ill‐trained staff, limited adoption of a competence‐based education and training (CBET) curriculum, not to mention the supervision inadequacies of TVET institutions. Besides, the limited TVET sub‐sector interaction with the private sector has incapacitated TVET curriculum development to nurture skills demanded by the private sector. Furthermore, backward technology use in the private sector has equally inhibited the success of student attachment programmes. Finally, legal ambiguities have perpetuated a qualification jungle and overlapping curricula.
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 | 0,026 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».