MétaCan
Menu
Retour à la cohorte
Enregistrement W3169054632 · doi:10.23962/10539/31372

Indigenous Knowledge and Vocational Education: Marginalisation of Traditional Medicinal Treatments in Rwandan TVET Animal Health Courses

2021· article· en· W3169054632 sur OpenAlexafffund
Chika Ezeanya-Esiobu, Chidi Oguamanam, Vedaste Ndungutse

Notice bibliographique

RevueThe African Journal of Information and Communication (AJIC) · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTourism, Volunteerism, and Development
Établissements canadiensCentre for International Governance InnovationUniversity of Ottawa
Organismes subventionnairesUniversity of Cape TownAmerican University in CairoInternational Development Research CentreUniversity of JohannesburgUniversity of Ottawa
Mots-clésCurriculumVocational educationIndigenousTraditional knowledgeMedical educationLivestockNeglectMedicineSociologyPedagogyGeographyNursingBiology

Résumé

récupéré en direct d'OpenAlex

This study explores Rwandan ethno-veterinary knowledge and the degree to which this knowledge is reflected in the country’s technical and vocational education and training (TVET) instruction. The knowledge considered is the Indigenous medicinal knowledge used by rural Rwandan livestock farmers to treat their cattle. Through interviews with farmers, TVET graduates and TVET teachers, and an examination of the current TVET Animal Health curriculum, the research identifies a neglect of Indigenous knowledge in the curriculum, despite the fact that local farmers use numerous Indigenous medicinal innovations to treat their animals. The focus of the Rwanda’s TVET Animal Health curriculum is on Western-origin modern veterinary practices. The authors argue that this leaves Rwandan TVET Animal Health graduates unprepared for optimal engagement with rural farmers and with the full range of potential treatments.

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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,575
Score d'incertitude au seuil0,591

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 savante0,0000,001
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 Opus0,033
Tête enseignante GPT0,313
Écart entre enseignants0,280 · 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'étudeQualitatif
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

Citations6
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe African Journal of Information and Communication (AJIC)Même sujetTourism, Volunteerism, and DevelopmentTravaux en français237 207