Strategies for Promoting Social Justice in Rural Educational Access
Notice bibliographique
Résumé
This study aims to explore how social justice is perceived, experienced, and promoted in educational access within rural communities in Kenya. Recognizing persistent disparities in infrastructure, resources, and inclusion, the research investigates the barriers learners face, the strategies employed by communities and institutions, and how these dynamics influence equitable educational opportunities. The study employed a qualitative research design. Participants included 30 individuals comprising students, parents, teachers, and local education officials, selected purposively to ensure rich insights into the phenomenon. Data were collected through semi-structured interviews, observations in schools and community settings, and document analysis of relevant policies and school reports. Thematic analysis was employed to identify patterns and generate themes related to social justice perceptions, barriers to access, and strategies to enhance equity. Findings reveal that social justice in education is understood by participants as fairness, inclusion, and equitable resource distribution. Significant barriers include inadequate infrastructure, socio-economic constraints, teacher shortages, and gendered cultural expectations. Community-led initiatives, government interventions, and NGO support emerged as key strategies for promoting access, though their effectiveness depends on management, coordination, and sustainability. Learners’ interpretations of visual and physical elements in schools further highlight the importance of perceived equity in shaping engagement and motivation. Advancing social justice in rural education requires integrated management approaches, equity-oriented leadership, targeted resource allocation, and collaborative stakeholder engagement. The study underscores that social justice is not only a normative ideal but a practical, operational imperative that demands context-sensitive strategies to transform policy frameworks into meaningful and inclusive educational opportunities.
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 | 0,008 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,013 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,001 | 0,020 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».