“Four of my Lecturers Including my HOD Took Sexual Interest in Me”: Factors Facilitating Sexual Harassment and Exploitation in Nigerian Higher Education Institutions
Notice bibliographique
Résumé
For decades, Nigerian higher education institutions (HEIs) have featured as places where sex is used to determine who gets decent marks and who gets the opposite in what is popularly known as “sex-for-marks” in the country. It is common knowledge to Nigerians that many female students have been prevented from passing their coursework or completing their programmes of study for refusing to engage in sexual activities with their lecturers when demanded. Many male lecturers, including professors, have been dismissed, suspended, put on probation, or prosecuted for sexually harassing or exploiting female students. Available evidence suggests that this phenomenon cuts across both public and private institutions across the country although it is more common in public institutions. This current study explored this phenomenon. The qualitative approach was adopted. Both primary and secondary data were utilised. Primary data were gathered through semi-structured interviews of 22 female graduates and undergraduates of 11 HEIs. Secondary data came from 8 media outlets. The data were thematically analysed. Nine themes were developed from the data, which denoted the primary factors contributing to this menace, and these are (i) project supervision, (ii) being unique, (iii) being a fresher, (iv) tuition fee debt, (v) failed assessment, (vi) exam malpractice, (vii) missed submission deadline, (viii) failing to purchase handout, and (ix) sexual obsession. These themes were analysed in depth and supported with excerpts containing the original words of the victims while pseudonyms or fictitious names were used to replace the real names of the participants. Recommendations were made on how the authorities of HEIs can effectively address this social problem.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».