MétaCan
Menu
Retour à la cohorte
Enregistrement W2953306181 · doi:10.1016/j.ssmph.2019.100426

The impact of increasing the minimum legal age for work on school attendance in low- and middle-income countries

2019· article· en· W2953306181 sur OpenAlexafffund
Oduro Oppong-Nkrumah, Jay S. Kaufman, Jody Heymann, John Frank, Arijit Nandi

Notice bibliographique

RevueSSM - Population Health · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePoverty, Education, and Child Welfare
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health ResearchCanada Research Chairs
Mots-clésAttendanceWork (physics)Demographic economicsLow and middle income countriesDemographyDeveloping countryGeographyEconomic growthEconomicsSociologyEngineering

Résumé

récupéré en direct d'OpenAlex

Several countries have increased their legal minimum age for work in line with international conventions on child labor. We evaluated the effect of increasing the legal minimum age for work on school attendance in 3 low- and middle-income countries using difference-in-differences analyses. Increasing the legal minimum age for work increased school attendance by 3.0 (0.2, 5.8) percentage-points in Malawi, and 2.0 (0.2, 3.6) percentage-points in Colombia. In Malawi, we found a greater policy effect among girls compared to boys. In Colombia, the poorest tercile experienced the greatest improvement in educational outcomes. We found no evidence of an impact of increasing the legal minimum age for work on school attendance in Burkina Faso. Our findings suggest that increasing the legal minimum age for work has had a positive effect on educational outcomes in some low and middle income countries.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,021
Score d'incertitude au seuil0,972

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 Opus0,019
Tête enseignante GPT0,343
Écart entre enseignants0,323 · 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
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSSM - Population HealthMême sujetPoverty, Education, and Child WelfareTravaux en français237 207