MétaCan
Menu
Retour à la cohorte
Enregistrement W2962176516 · doi:10.35536/lje.2005.v10.i1.a2

Child Labor’s Link with Literacy and Poverty in Pakistan

2005· article· en· W2962176516 sur OpenAlexaff
Imran Ashraf Toor

Notice bibliographique

Revue˜The œLahore journal of economics · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePoverty, Education, and Child Welfare
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésPovertyPer capita incomeLiteracyEconomicsWelfareDeveloping countryEducational attainmentPer capitaDemographic economicsLabour economicsEconomic growthPopulationSociologyDemography

Résumé

récupéré en direct d'OpenAlex

In developing countries, children have long been largely ignored in public policy-making and the development of program strategies for improving their welfare. The complex issue of child labor is a developmental issue worth investigating. The notion that children are being exploited and forced into labor, while not receiving education crucial to development, concerns many people. This study focuses on child labor in Pakistan with two main objectives. We first estimate the prevalence of child labor in the 100 districts of Pakistan and then examine the hypothesis that child labor is significantly higher in districts that have a higher incidence of poverty and lower level of educational attainment. The results show that child labor has a negative relationship with the literacy rate both 10-14 year age and 15 years and above. There is a negative but insignificant relationship with per capita income and Deprivation Index in the case of male child labor. The study proved that literacy rate and per capita income has influenced negatively on female child labor.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,844
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,008
Tête enseignante GPT0,268
Écart entre enseignants0,260 · 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'étudeSans objet
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

Citations1
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue˜The œLahore journal of economicsMême sujetPoverty, Education, and Child WelfareTravaux en français237 207