Children supervising children across low- and middle-income countries: the role of mothers’ education
Notice bibliographique
Résumé
Around the world, many young children spend time supervising or being supervised by other children without adults. This can have both positive (e.g., strengthening sibling ties) and negative (e.g., hinder supervisor’s schooling) consequences for children, families, and communities. Population-based information from low- and middle-income countries (LMIC) is scarce on this phenomenon. Poisson random effect regression models using the most recent Multiple Indicator Cluster Surveys (MICS) and Demographic and Health Surveys (DHS) from 81 LMIC were built to estimate the prevalence of leaving children under five years-old under the supervision of another child younger than 10 years of age and the role of maternal education in this childcare arrangement. Prevalence of child-to-child supervision ranged from no supervision at all to 55.7% globally, with large variations across countries and regions. The highest prevalence was found in West and Central Africa. In 90% of the countries across all regions, higher maternal education was associated with lower prevalence rates of children supervised by another child. No clear pattern was found among the eight countries across four continents displaying the opposite trend. These findings call for context-based studies to identify determinants and consequences of this care arrangement and for continued support to mothers’ education to bolster the supervision and healthy development of child supervisors and supervisees.
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 | 0,001 | 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 | 0,008 | 0,007 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».