Empowering Women through TVET Training in Male Dominated Trades: A Project Supported by Canadian Embassy at Nakuru Training Institute Kenya
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Globally a wide gender gap has persisted over the years at all levels of Science, Technology, Engineering and Math (STEM) disciplines. Girls and women are systematically tracked away from science and math throughout their education, limiting their access, preparation and opportunities to go into these fields as adults. Women make up only 28% of the workforce in STEM. Men vastly outnumber women majoring in most STEM fields in college and in the market place. There is still a gross underrepresentation of women in the STEM fields in Sub-Saharan Africa (SSA) where the share of females graduating from tertiary education engineering fields is below 30%. The under-representation is a concern both for gender equality and economic competitiveness. // This study was based on Instructional Theory for Skills Development. It applied descriptive survey method. The study sample was 76 TVET female students, 36 for pre-training survey and 40 for post training survey. A gender based survey on the issues affecting women in the society, their employability and if young women would enroll in male dominated course given an opportunity was done. The project trained 40 women in technical skills for employability in two male dominated careers; electrical wireman and plumbing and pipe fittings. The 40 women were linked to industries for job related experience and were further registered for examination by National Industrial Training Authority (NITA) in Kenya. They recorded 100% pass rate and were certificated. 80% of the young women and girls are gainfully employed while 20% are pursuing further training. The study found out that young women are willing and are capable of training in skills in male dominated TVET sectors.
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.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle