MétaCan
Menu
Retour à la cohorte
Enregistrement W2559820182 · doi:10.18063/ijps.2016.01.002

“I came by the bicycle so we can avoid the police”: factors shaping reproductive health decision-making on the Thailand-Burma border

2017· article· en· W2559820182 sur OpenAlexaff
Jillian Gedeon, Saw Nanda Hsue, Angel M. Foster

Notice bibliographique

RevueInternational Journal of Population Studies · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth and Conflict Studies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésCriminologyReproductive healthGeographyPolitical scienceEnvironmental healthSociologyMedicinePopulation

Résumé

récupéré en direct d'OpenAlex

For over half a century, political conflict combined with an overall lack of economic develop-ment has resulted in the displacement of millions of people both within Eastern Burma and to neighbour-ing Thailand. Given the overarching context, in conflict-affected regions of Burma, women face tremend-ous challenges in trying to obtain high quality, comprehensive reproductive health services. Drawing from interviews we conducted in Tak province, Thailand with 31 migrant and refugee women from Burma, this article explores women’s lived experiences along the border and focuses on the ways that complex, overlapping barriers impact women’s reproductive health decision-making at different points in their reproductive lives. Our results show that reproductive experiences are highly dependent on the woman’s place of living mixed with her legal status and financial resources. Combined with socio-cultural taboos and externalized and internalized stigma, these dynamics blend to place constraints on women’s autonomy and self-actualization. The way in which women’s experiences are shaped by these barriers offers insights into priorities for education and programming to help improve reproductive health services in this protracted conflict setting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,008
Communication savante0,0060,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,216
Tête enseignante GPT0,553
Écart entre enseignants0,337 · 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 source (Gemma direct ou Codex distillé), 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

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Population StudiesMême sujetHealth and Conflict StudiesTravaux en français237 207