Investigating Challenges and Effects of Students’ Low Enrolment on the Sustainability of Primary School Education in Eastern Nigeria
Notice bibliographique
Résumé
The enrolment into primary schools in Nigeria has been low for several years now. The aim of this study is to examine the challenges and the effects of students’ low enrolment on sustainable primary school education in Eastern Nigeria. A structured questionnaire was used to gather primary data from one thousand and eight hundred teacher respondents of public primary schools in the region. The descriptive survey research design is employed. The gathered data were analysed using statistical mean. The results show that the socio-economic challenges of primary school students’ low enrolment include poverty, hunger, epidemics, parents’ inability to pay school fees, buy exercise books and other learning materials, the illness of a family member, early marriage and pregnancy, home services, gendered worldviews against sending female children to school, rituals, and culturally-insensitive education programmes. The effects of students’ low enrolment on primary school education include reduced efficiency in the school system, waste of human and material resources, thriving barriers to the child’s meaningful future, increased social vices, inadequate development of the individual’s potentialities, and barriers to employment and income. The study submits that primary school students’ low enrolment can be improved through the introduction of free transportation to school, free stipend for primary school children, practical school feeding programmes, free education, scholarships, and sustained effective monitoring and evaluation systems. It charges stakeholders and school management officials to be proactive and decisive on tackling the identified challenges by imbibing the aforementioned and other pragmatic measures.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».