Child Poverty and Gender and Location Disparities in Zimbabwe: A Multidimensional Deprivation Approach
Notice bibliographique
Résumé
Despite global progress in the last 20 years in measuring multidimensional child poverty, most studies have focused on all children generally. This approach distorts how poverty affects differently aged and situated children. By measuring multidimensional child poverty among children ages five years and below in Zimbabwe ( N = 6,418) and analyzing how this problem is correlated with gender and location, respectively, this article attempts to address such knowledge gaps. Using a rights‐based deprivation approach, 14 deprivation variables are selected from Zimbabwe’s 2015 Demographic and Health Survey secondary data. The items are tested for validity, reliability, and additivity, and deprivation estimates are established for those which are valid, reliable, and additive. Thereafter, their correlations with gender and location, separately, are computed. Analysis demonstrates that the most common deprivation forms among the children are early childhood development (78 percent), water (46 percent), health care (44 percent), sanitation (40 percent), shelter (30 percent), and nutrition (13 percent), separately. While there are quite negligible share differences between deprived boys and girls, all deprivations are highest in rural areas. Although all deprivations have largely insignificant correlations with gender, most are significantly correlated with location. Ultimately, the article highlights key disparity areas for effective antichild poverty interventions and future child poverty research.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».