MétaCan
Menu
Retour à la cohorte
Enregistrement W2549389942 · doi:10.38140/pie.v33i4.1937

From spaces of sexual violence to sites of networked resistance: Re-imagining mobile and social media technologies

2015· article· en· W2549389942 sur OpenAlexaff
Laurel Hart, Claudia Mitchell

Notice bibliographique

RevuePerspectives in Education · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Feminism, and Media
Établissements canadiensMcGill UniversityConcordia University
Organismes subventionnairesnon disponible
Mots-clésHarassmentSocial mediaSexual violenceResistance (ecology)Context (archaeology)Mobile technologyEmerging technologiesSociologyWork (physics)Relation (database)Internet privacyPublic relationsMobile devicePsychologySocial psychologyCriminologyPolitical scienceComputer scienceEngineeringGeographyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

To date, much of the work on mobile and social media in the context of sexual violence has focused on its threats and harmful effects, particularly in relation to cyber-bullying and other forms of online harassment. But what if we think of such technologies as technologies of non-violence? In this article we make a case for exploring this work in rural South Africa, where, in spite of some challenges of access, the availability of technology is increasing the number of possible ways of addressing sexual violence. Building on what we offer as a primer of technologies currently available, we consider the implications of this work for researchers (especially those in education), interested in how technology can help to address sexual violence.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,299

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,045
Tête enseignante GPT0,362
Écart entre enseignants0,318 · 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'étudeQualitatif
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

Citations12
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerspectives in EducationMême sujetGender, Feminism, and MediaTravaux en français237 207