Gender analysis of future aspirations, resilience and adaptation capability of Nigerian youths in the post COVID-19 era
Notice bibliographique
Résumé
Following the global pandemic, understanding the resilience ability of male and female youths becomes imperative towards attaining their future aspirations and building their adaptation capability for future recurrent shocks and crises. There is a dearth of empirical studies on male and female youths’ future aspirations, resilience and adaptation capability in Nigeria. This study engenders Nigerian youth's future aspirations, resilience and adaptation capability after the COVID-19 pandemic. A cross-sectional survey was conducted among youths aged 15–35 in Nigeria's six geo-political zones. Quantitative data were collected using the surveyCTO mobile app by trained enumerators from the youths (M age = 27.15 years, SD = 5.87; 50% female). Descriptive and inferential statistical tools such as means, percentages and t-test were used for data analysis. COVID-19 negatively impacted male (68.9%) and female (60.1%) youths’ future aspirations. The economic aspect of male (86.7%) and female (81.6%) youths’ future aspirations was the most affected. Both male and female youths have high resilience and adaptation capability. However male youths were more adjustable and resilient to changing situations than females. The adaptation capability of males was significantly higher than females. The strength of Nigerian youth for continuity in pursuing their future aspirations draws on their undaunting adaptive and resilient capabilities during uncertainties. Youth policies and intervention programmes should focus more on economic empowerment and the building of females' adaptive and resilience abilities to enhance their cognitive ability and emotional strength in the post COVID-19 era.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».