Exploring the Experiences of Female Graduate Students in African Universities: Questions about Voice, Power, and Responsibility
Notice bibliographique
Résumé
Consistent economic downturns, political uprisings, and social upheavals from the 1980s have significantly depleted the quality of higher education in Africa, particularly graduate training. While remarkable strides in graduate training have been made in countries such as South Africa relative to other parts of the continent, policy and funding challenges continue to threaten the quality of students and programs. Over the past two decades, new forms of institutional collaborations aimed at revamping graduate training in sub-Saharan Africa have emerged. Debates on how to revamp the higher education system are ongoing among scholars, policymakers, administrators, and funders, but minimal attention is paid to the students’ voices, particularly women’s that speak to the dire conditions under which graduate training is carried out. To spur more discussion about this gap in literature, we conducted focus group discussions with female graduate students in four higher education institutions in Nigeria and South Africa. Our participants identified five major challenges that graduate students often wrestle with: financial challenges, limited sources of and dated curricular materials, institutional infrastructure and program logistics, academic supervision, and gender relations among students as well as between students and scholars. These challenges, our participants assert, often place female graduate students in a more vulnerable position than their male counterparts. Our findings, though preliminary, point to the need to actively engage students, especially women, in academic debates and initiatives aimed at improving graduate training in Africa.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».