Barriers to women’s participation in higher engineering education: a qualitative assessment of the role of social networks of students in a Ghanaian university
Notice bibliographique
Résumé
Abstract Engineering is critical for socio-economic development, however only a few women participate in engineering education and careers. This study aimed to identify the types of negative information propagated by the social networks of engineering students that could create barriers to students, and particularly women’s retention in engineering education and careers, and assess whether they influence men and women differently. The study was exploratory hence six focus group discussions were conducted with undergraduate engineering students in their second, third, and fourth years of study in a Ghanaian university. An interview guide was used to, among others, examine the perceptions and misconceptions of students’ social networks about engineering and the negative information that circulates within the networks. Demotivating information from students’ social networks were mainly misconceptions such as (1) engineering is too difficult and strenuous for women, and only meant for strong and well-built people, (2) engineering negatively affects women’s beauty and body image, (3) engineering makes women unfashionable and unattractive, and (4) engineering is a threat to marital and family lives. Both female and male students were negatively affected by misinformation about engineering being difficult and having limited job prospects as well as societal preferences for other programmes such as medicine. The misinformation could serve as a barrier, especially for students lacking ‘faith and the spirit of perseverance’ to pursue and graduate from engineering programmes. While efforts are being made to bridge the gender gap in engineering education and careers, there are misconceptions and misinformation that can hinder progress toward achieving the desired gender parity. Educational policies must integrate gender-responsive strategies including addressing the socio-cultural and stereotypical factors and public misconceptions. There is a need to provide strategic counselling services to engineering students to be able to cope with the effects of negative information from their social networks especially during the early years of their studies in the universities.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».