MétaCan
Menu
Retour à la cohorte
Enregistrement W2215034414 · doi:10.29173/bsuj290

Acceptance in Blame: How and why we Blame the Victims of Street Harassment

2015· article· en· W2215034414 sur OpenAlexvenueno aff
Hanaa El Moghrabi

Notice bibliographique

RevueBehavioural Sciences Undergraduate Journal · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSexual Assault and Victimization Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHarassmentBlameCognitive dissonanceObjectificationConversationSocial psychologyPsychologyCriminologySociologyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Globally, and on a daily basis, women are subjected to unwanted verbal and/or physical intrusions such as catcalling, leering, honking, sexually explicit or sexist comments, touching or grabbing, amongst other actions that are all considered street harassment. This paper is a review of some of the literature available, which focuses on the psychological and feminist aspects of street harassment and victim blaming through social, cognitive, intersectional, and economic lenses. Regarding psychological theories, I will examine reasons why victim blaming happens through the theories of the just-world hypothesis, cognitive dissonance, and the bystander effect. The feminist theories touch on the basics of objectification and power dynamics found within gender, which can help us understand why street harassment happens. Lastly, I will emphasize the importance of starting a conversation about the pervasiveness of street harassment and victim blaming, and why it is important to know where the blame should be instead of where it is almost always placed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,555
Score d'incertitude au seuil0,800

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,138
Tête enseignante GPT0,367
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBehavioural Sciences Undergraduate JournalMême sujetSexual Assault and Victimization StudiesTravaux en français237 207