School-Community Relations and Fee-Free Education Policy in Papua New Guinea
Notice bibliographique
Résumé
While international and Pacific scholarship suggests that communities can play a significant role in improving access to schooling as well as school funding, infrastructure, and resources, there is little research on how school-community relations shape the implementation of fee-free education policies. This is particularly the case in the Pacific region. In Papua New Guinea, communities play a significant role in determining school funding, infrastructure, and access, but their role in implementing the country’s fee-free education policy (introduced in 2012) is poorly understood. Drawing on data from two provinces with very different capacities for service delivery, this paper shows that school-community relations vary significantly, and are crucial for managing challenges associated with the country’s tuition fee-free (TFF) policy, particularly in regards to access to schooling and improving school funding, infrastructure, and resources. While communities have helped advance the TFF policy’s goals, conflict over land, the charging of fees, and the board of management (BOM)—a key local governance body— has, in some cases, undermined national efforts to increase enrollments and make up for the loss of school income from tuition fees. This paper argues that academics and policy makers need to pay greater attention to the sustainability of fee-free education policies, geographical variation, and the improvement of school-community relations. Doing so will require overcoming the tendency to focus on national-level indicators of success associated with fee-free education policies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».