Analyzing the relationship between the experience of intimate partner violence and female internet use in Nigeria
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
Female internet use is abysmally low (17.48%) in Nigeria, and it has become an issue of serious concern due to its negative impact on their health and economic well-being. While most of the scholarly debates centers on the influence of individual socio-economic characteristics and geographical factors to understand and improve female internet use, this study contributes to the literature by interrogating the role of women's experience of intimate partner violence (IPV) and other socio-economic and geographical factors based on the social theory of internet use. We conduct spatial and logistic regression analyses using the 2018 cross-sectional Demographic and Health Survey of 41,821 women aged 15–49. The spatial analysis shows a significant concentration of female internet non-use in the Northern region relative to the South, while the binary logistic regression analysis indicates that the experience of IPV, age, wealth status, education, being married, urban location, and residing in Northern Nigeria are significant predictors of female internet use. The study recommends tailoring support systems and interventions that acknowledge the unique challenges faced by survivors of IPV and the improvement of the socio-economic conditions of women to achieve greater internet use. • Female internet use is significantly low in Nigeria at 17.48% • The spatial analysis shows a significant concentration of female internet non-use in the Northern region relative to the South • The experience of intimate partner violence is a constraint to women's internet use • Individual socio-economic characteristics and geographical factors are also predictors of female internet use
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle