Youth Political Participation, Good Governance and Social Inclusion in Nigeria: Evidence from Nairaland
Notice bibliographique
Résumé
As the Nigerian population continues to increase, so does the number of youth. The population of youth (18-35 years) in Nigeria is 52.2 million (i.e. about 28% of total population) and more than the entire population of Ghana, London and Benin Republic put together. In spite of the prospects that this number holds, young people in Nigeria are largely marginalized from governance, leaving them helpless to counter their continued exclusion. This is evidenced by the lower percentage of youth that hold political and leadership positions in the country. The purpose of this study was to examine the relationship between youth political participation, good governance, and social inclusion in Nigeria. Using a quantitative approach, 1,208 youth aged 18-35, selected from Nairaland, participated in the study. Data gathered was analyzed with Spearman Correlation Coefficient and the result indicates that there is significant positive relationship between youth political participation and good governance in Nigeria (r s, (1206) = .615, p < .001) and that there is significant positive association between youth political participation and social inclusion in Nigeria (r s, (1206) = .875, p < .001). It was recommended that the government should create Leadership and Democratic Institutes [LDI] across the states of the Federation and establish an Online Leadership Orientation Agency [OLOA] to utilize various social networking sites to provide free leadership courses, webinars, and orientation on the art of governance and the promotion of social inclusion among youth.
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 | 0,002 | 0,001 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».