Factors leading to migration of women from the North to the South of Ghana. The case of “Kayayei” (head potters) in the market of Accra
Notice bibliographique
Résumé
The goal of the study is to identify the elements that contributed to migration of women from Navrongo in North of Ghana to Accra; specifically, the case of the "Kayayei" (head porters) in the Accra central business area. The target population of the research were female migrants from Navrongo district in north of Ghana who are currently engaged in head porterage in the Accra central business district. The study used a cross-sectional design (questionnaire) to collect data from 224 respondents. Simple random sampling methods were utilised in selecting head porters at their resting camps in the course three weeks. The data from completed questionnaire were entered into Microsoft excel spreadsheet before exporting to STATA for final analysis. Descriptive analysis and logistic regression methods were used in analysing the data and the response presented in tables and figures. The main findings indicated those with no formal education, teenager and early adults, and single women were more likely or have the urge to migrate to the urban city. Pull factors identified includes better opportunities, jobs, better living standards and the zeal to earn income. The push factors were frequent conflicts and the long period of dry season at the place of origin. Majority of respondents claimed that their living standards have improved since the migrated to Accra, although over a quarter of respondents did not have a good place to sleep, majority of head porters did not have access to healthcare, toilet and bathroom facilities. Income earned from work are mostly remitted to cater for parent, siblings and children in the village of origin while some are used for personal items.
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| 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; 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 ».