Factors Influencing Post-Marriage Education and Employment among Bangladeshi Women: A Cross-Sectional Analysis
Notice bibliographique
Résumé
Higher education and employment are two key components of women’s empowerment. However, many women fail to continue their studies or work after marriage, which can significantly reduce their empowerment potential, especially in countries with stark gender inequality such as in Bangladesh. In this study, our objective was to explore the individual, household and community factors associated with post-marriage education and employment among Bangladeshi women using data from the latest Bangladesh Demographic and Health Survey (BDHS 2017–18). Data were analysed using multivariate logistic regression methods. The results of the study show that a large proportion of the participants did not continue their studies (42.1%) or work (72.5%) after marriage, while only 3% of the participants studied and about 29.0% worked for more than 5 years after marriage. The most important factors associated with continuing to study after marriage include having access to a mobile phone (OR = 1.89, 95% CI = 1.62, 2.19), the husband’s number of years of education (OR = 1.11, 95% CI = 1.08, 1.15), a higher household wealth index (OR = 1.27–4.31) and improved toilet facilities (OR = 1.36, 1.12, 1.65). Conversely, the number of children (OR = 0.69, 95% CI = 0.65, 0.73), living in rural areas (OR = 0.78, 95% CI = 0.68, 0.88) and residing in certain divisions are negatively associated with continuing to study after marriage. Women with a mobile phone (OR = 1.47, 95% CI = 1.06, 2.03) are more likely to continue working after marriage, while those with larger spousal age differences (OR = 0.33, 95% CI = 0.19, 0.58) and those living in the Chittagong division (OR = 0.53, 95% CI = 0.30, 0.96) are less likely to do so. The study indicates that a large proportion of Bangladeshi women do not continue their education or work after marriage. These findings underscore the significance of empowering women and addressing sociodemographic issues to promote education and work opportunities after marriage.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».