The power of policy: investigating women's experiences of gender-based violence on campus
Notice bibliographique
Résumé
Malgré les efforts et initiatives éducationnels divers des collèges et universités nord-américaines, le taux d'agression sexuelle n'a pas diminué dans les cinquante dernières années. Étant donné que près de 25% des étudiantes inscrites au baccalauréat aux États-Unis et au Canada sont victimes de viol ou d'agression sexuelle, la violence sexuelle sur les campus demeure un problème urgent. Ma recherche dévoile certaines façons dont la sécurité des femmes est touchée par les politiques institutionnelles de l'enseignement supérieur. Utilisant plusieurs méthodes de recherches qualitatives, j'ai mené une ethnographie institutionnelle sur la réponse d'une université (par exemple, politiques, e-mail, etc.) à la violence sexiste. Ceci me permit de montrer la façon dont certaines politiques universitaires influencent le danger et la sécurité éprouvés par les femmes à l'Université McGill. S'appuyant sur sept entretiens approfondis et ouverts avec des femmes de cycle supérieur à McGill, ce travail mène une enquête sur l'information en ligne et en accès libre (par exemple, à travers les réseaux sociaux) ainsi que sur la communication et les politiques institutionnelles. Cette étude cherche à montrer les écarts nuisibles entre les réponses institutionnelles à la violence sexiste sur les campus universitaires et les efforts réels des femmes pour assurer leur propre sécurité. Dans la mesure où cette étude porte sur les relations sociaux-institutionnelles (re)produisants et reliées à la violence sexiste au sein ainsi qu'à l'extérieur du contexte universitaire, les conclusions de cette recherche nous permettent de mieux comprendre l'expérience de sécurité et de danger des femmes à travers les institutions d'éducation supérieur à travers le Canada.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».