Gender-sensitive vocational and entrepreneurship education: addressing poverty for Caribbean women
Notice bibliographique
Résumé
Gendered poverty remains a persistent issue in the Global South, particularly in the Caribbean, where economic activity heavily relies on volatile sectors such as tourism and agriculture, leaving many women unemployed and economically vulnerable. Despite investments in Technical Vocational Education and Training (TVET) to address unemployment, existing research inadequately explores how entrepreneurship education (EE) can be integrated into TVET to empower women. Women face distinct challenges, including entrenched gender stereotypes, systemic biases, and limited access to entrepreneurial opportunities, which further hinder their transition from skills training to sustainable self-employment. Adopting an exploratory research design, this perspective paper utilizes an integrated literature review method to synthesize insights from peer-reviewed studies, white papers, and policy documents, advocating for the integration of EE into TVET through a gender-sensitive approach. Two key findings emerged: (1) integrating EE within TVET can equip women with entrepreneurial skills that complement technical training, and (2) gender-sensitive practices, such as flexible curricula, gender sensitized modules, women-led business mentorship programs, women-only cohorts, and institutional support, are critical to achieving these outcomes. We conclude that this dual-focus model offers practical implications for TVET institutions to redesign their programs and collaborate with NPOs and policymakers to provide ongoing support for economically deprived women. By empowering women to transition into self-employment, the approach fosters inclusive economic growth, reduces poverty, and enhances social development. Furthermore, its broader adoption offers a pathway to addressing gender inequalities and promoting entrepreneurship development worldwide.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».