Examining the Benefits and Challenges of the Diversion Programme as a Mechanism to Enhancing Juvenile Justice Administration in Dar es Salaam, Tanzania
Notice bibliographique
Résumé
This study is informed by goal number four, target one of the Sustainable Development Goals (SDGs), on the increase of accessible, equitable, and quality primary and secondary education by 2030. The intended outcome of this goal cannot be achieved in Tanzania when juveniles who fall in conflict with the law are left out of the mainstream of education. The study utilized a cross-sectional design, which embraces the qualitative approach. Its data were obtained through purposeful sampling techniques (convenient and snowballing sampling), in which twenty-eighty respondents participated. The data collection techniques used were in-depth interviews and focus group discussions. The ATLAS.ti 9 software was employed during qualitative data analysis. The main findings reveal that the diversion programme effectively addresses juveniles' educational needs and mitigates associated stigma and retribution. Furthermore, it helps in amicably solving the juveniles' problem due to assessment of individual juveniles, generating suitable tailor-made interventions. Challenges obtained were that police officers still used much force during the arrest, and some would demand bribes; the traditional system was lengthy and cumbersome; there was a shortage of workforce and buildings; limited financial resources and equipment; and some juveniles and actors did not know the programme. The article concludes that the diversion programme is vital to achieving education for all as envisaged by the SDGs. It further recommends capacity building to all social actors on the importance of diversion, mobilization of resources, and researchers should be encouraged to conduct studies in JJA, in particular indigenous models and practice of the diversion programme.
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 | 0,003 | 0,004 |
| 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 | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».