MétaCan
Menu
Retour à la cohorte
Enregistrement W4396542918 · doi:10.1109/ihtc58960.2023.10508864

The Gender Digital Divide and Education in Afghanistan: A Review

2023· review· en· W4396542918 sur OpenAlexaff
Zahra Nazari, Pert Musilek

Notice bibliographique

Revuenon disponible
Typereview
Langueen
DomaineComputer Science
ThématiqueInternet Traffic Analysis and Secure E-voting
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAfghanDigital dividePolitical scienceGovernment (linguistics)The InternetGender inequalityInequalityEconomic growthPublic relationsSociologyGender studiesInformation and Communications TechnologyComputer scienceLawEconomics

Résumé

récupéré en direct d'OpenAlex

Amidst the strides the global society has made in digitalization, Afghanistan faces profound obstacles on its journey to embrace the digital era and foster a digital society, particularly for women. The current Afghan government, headed by the Taliban regime, effectively curtails women’s access to education, the Internet, and digital advancements. As underscored by the United Nations gender inequality index, Afghanistan ranks 157th among 162 countries in gender equality, reflecting its daunting challenges for women. The World Economic Forum also highlights a distressing gender digital divide within the nation. Faced with these disquieting realities, it becomes imperative to confront and narrow this divide in a collaborative endeavor. Acknowledging our shared responsibility, we can take substantial strides toward fostering gender parity and bolstering digital inclusivity in Afghanistan. This research seeks to pinpoint social and economic barriers and propose targeted solutions rooted in the most pressing needs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil0,598

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,338
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInternet Traffic Analysis and Secure E-votingTravaux en français237 207