Fertility and Schooling in Ouagadougou : The Role of Family Networks
Bibliographic record
Abstract
La prégnance de réseaux de solidarités familiales est couramment invoquée dans la littérature pour expliquer pourquoi la relation observée en Afrique subsaharienne entre le nombre d’enfants et leur scolarisation ne correspond pas aux prédictions des modèles théoriques. En pouvant confier leurs enfants à la parentèle ou bénéficier d’un appui financier des membres de la famille élargie pour payer les frais de scolarité, les couples n’auraient pas à arbitrer entre la « quantité?? et la « qualité?? de leurs enfants. Cependant, faute de données adéquates, cette hypothèse explicative reste insuffisamment explorée sur le plan empirique. En mobilisant des données originales (Observatoire de population de Ouagadougou, Enquête rétrospective Demtrend 2012), cette étude évalue, à l’aide de modèles de régression logistique, l’effet combiné des réseaux familiaux et de la taille de la fratrie sur la scolarisation des enfants dans les quartiers périphériques de Ouagadougou. Les résultats montrent que les familles de grande taille bénéficient d’un appui plus fréquent des réseaux familiaux pour la scolarisation. De plus, les réseaux familiaux seraient en mesure de compenser l’effet négatif d’un nombre élevé d’enfants sur la scolarisation, mais seulement pour une partie de la population qui exclut les plus pauvres.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".