Healing Psychosocial Trauma in the Midst of Truth Commissions: The Case of <i>Gacaca</i> in Post-Genocide Rwanda
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Post-conflict governments and multilateral organizations have advocated truth commissions since the end of the Cold War. The mandate of truth commissions has been to combine the rule of law with psychosocial goals in the hope that they will break systemic cycles of violence and facilitate reconciliation. While these commissions emphasize the dimensions of truth telling, apology, forgiveness, and reconciliation, in practice, they are often challenged to fulfill the mandate of healing psychosocial traumas through these dimensions in countries that suffer not only from the traumatic experience of wars and genocide, but also from the multiple psychosocial issues that result from these forms of mass violence. The present article examines the psychosocial role of gacaca, a form of truth commission that was introduced in post-genocide Rwanda in 2002, and argues that relying on gacaca alone to heal psychosocial trauma in Rwanda underestimates the depth of suffering that genocide created both at the individual and collective levels in Rwandan communities. Writing as a Rwandan community-based mental health researcher and practitioner concerned with the mental well-being of individuals and communities that survive mass violence and genocide, I suggest that well-assessed models adapted to the issues at hand should be considered to promote the healing of psychosocial wounds and supplement the work of gacaca in the rebuilding of peace and reconciliation in the country and in similar contexts elsewhere. Mental well-being is central to the sustainable rebuilding and development of countries recovering from wars and genocide.
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.
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 | 0,003 | 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 | 0,001 | 0,001 |
| 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 découle