Measuring Lineage: Implications for Family Violence Research in Sub-Saharan Africa
Notice bibliographique
Résumé
Previous research on family violence in sub-Saharan Africa highlighted the importance of lineage to women’s experiences of intimate partner violence (IPV). The findings suggest women in patrilineal societies face a greater risk of experiencing IPV than those in matrilineal societies. However, a major critique of this body of work is the operationalization of lineage with ethnicity. This study highlights the weaknesses/strengths of using ethnicity as a proxy for lineage by comparing it to direct measures of lineage. Specifically, we tested the validity of lumping ethnic groups together to create lineage categories against measures that directly ask respondents to self-identify their lineage. We also explored the effects of lineage on different types of IPV. We used representative cross-sectional data collected between May and August 2022 from 1,624 ever-married Ghanaian women aged 18 years and older and residing in three major ecological zones—Coastal, Middle, and Northern Zones—that reflect differences in ecology, culture, and modernity in Ghana. Descriptive and multivariate statistical techniques were used to analyze the data. The findings suggest significant differences in direct (self-identified) and indirect (ethnic) measures of lineage. The majority of respondents who were classified as matrilineal or patrilineal based on their ethnic backgrounds self-reported as belonging to these lineage categories. Both direct and indirect measures of lineage were significantly associated with IPV. However, given the limited operationalization of lineage based on ethnicity, self-identified measures were more useful. While ethnicity remains an important proxy for lineage, self-identified measures of the construct are better if available.
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 | 0,004 | 0,000 |
| 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 | 0,002 |
| 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 ».