Documenting Mass Rape: Medical Evidence Collection Techniques as Humanitarian Technology
Notice bibliographique
Résumé
Aim: Emerging global networks of human rights activists, doctors, and nurses have advocated for increased collection of medical evidence in conflict-affected countries to corroborate allegations of sexual violence and facilitate prosecution in international and domestic courts. Such initiatives are part of broader shifts in human rights advocacy to document human rights violations using rigorous, standardized methodologies. In this paper, I consider three principal forms of medical evidence to document sexual violence and their use in these settings: the patient medical record, the medical certificate, and the sexual assault medical forensic exam (commonly known as the “rape kit”). Methods: Combining archival research with interviews of activists, healthcare practitioners, lawyers, investigators, and other experts, I trace the collection and use of medical evidence to document mass rape since the establishment of the International Criminal Tribunals for Rwanda and the former Yugoslavia. Results: The use of medical evidence collection techniques to document sexual violence during and shortly after armed conflict or mass violence against civilians is still relatively new and not well institutionalized. When available, medical evidence has been used to document patient disclosures, describe patterns of crime, prompt investigation, issue indictments, and provide context evidence to establish international crimes occurred. Conclusions: Drawing on approaches in science and technology studies, law and society, and cultural sociology, I argue that medical evidence collection techniques represent an emerging humanitarian technology that may influence what comes to count as sexual violence, which crimes are deemed justiciable, and ultimately how events come to be remembered, within and beyond courts.
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 | 0,003 | 0,002 |
| 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 | 0,000 |
| 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 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 ».