Trends in child marriage and new evidence on the selective impact of changes in age-at-marriage laws on early marriage
Notice bibliographique
Résumé
This study adopts a cohort perspective to explore trends in child marriage - defined as the proportion of girls who entered first union before the age of 18 - and the effectiveness of policy changes aimed at curbing child marriage by increasing the minimum legal age of marriage. We adopt a cross-national perspective comparing six low- and middle-income countries (LMICs) that introduced changes in the minimum age at marriage over the past two decades. These countries belong to three broad regions: Sub-Saharan Africa (Benin, Mauritania), Central Asia (Tajikistan, Kazakhstan), and South Asia (Nepal, Bhutan). We combine individual-level data from Demographic and Health Surveys and Multiple Indicator Cluster Surveys with longitudinal information on policy changes from the PROSPERED (Policy-Relevant Observational Studies for Population Health Equity and Responsible Development) project. We adopt data visualization techniques and a regression discontinuity design to obtain estimates of the effect of changes in age-at-marriage laws on early marriage. Our results suggest that changes in minimum-age-at-marriage laws were not effective in curbing early marriage in Benin, Mauritania, Kazakhstan, and Bhutan, where child marriage showed little evidence of decline across cohorts. Significant reductions in early marriage following law implementations were observed in Tajikistan and Nepal, yet their effectiveness depended on the model specification and window adopted, thus making them hardly effective as policies to shape girls' later life trajectories. Our findings align with existing evidence from other countries suggesting that changes in age-at-marriage laws rarely achieve the desired outcome. In order for changes in laws to be effective, better laws must be accompanied by better enforcement and monitoring to delay marriage and protect the rights of women and girls. Alternative policies need to be devised to ensure that girls' later-life outcomes, including their participation in higher education and society, are ensured, encouraged, and protected.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».