‘I Must Know’: Re-membering Native Women in the CAVNET_IW Community
Notice bibliographique
Résumé
In both United States and Canadian mainstream news, the disproportionate rate of sexual violence against Native/American Indian, Alaska Native, and First Nations women is consistently underreported. Indeed, as Amnesty International concluded in April 2007 Ybanez , Vicki . Message #4177 . 12 April 2007 . [Google Scholar], despite centuries of brutalisation of Indigenous women, and even with the recent addition of its own one-hundred-thirteen pages of documentation of “many incidents of sexual violence against American Indian and Alaska native women[,]…the great majority of stories remain[s] untold.” At the same time, Indigenous women have been asserting their own stories around the trauma of violence in ways that work toward making whole what colonialism attempts to systematically dismember. One particularly powerful venue of re-membering the piecemeal and partial representations of violence against Native women in mainstream U.S. news is the U.S.-based internet community CAVNET_IW (Communities Against Violence Network – Indigenous Women), whose formation, intentions, and practices serve as a potent counter-narrative to the mainstream news media's consistent efforts to render Native women's stories invisible and insignificant. As a site that not only disseminates news about violence against Indigenous women but creates a forum for women to tell their own stories, CAVNET_IW has fashioned a potential safe space through which immediate and historical trauma affecting Native women paves pathways to personal healing and political change. At the same time, CAVNET_IW, a carefully monitored discussion space requiring member sign-up and message screening before posting, paradoxically works to end violence and heal trauma by necessarily circulating life stories that keep episodes of traumatic violence constantly present in the consciousness of CAVNET_IW members.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,034 | 0,014 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,002 | 0,015 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».