Stand by Me: Viewing Bystander Intervention Programming through an Intersectional Lens
Notice bibliographique
Résumé
Post-secondary institutions are increasingly choosing or being compelled to come to terms with their institutional responsibilities with respect to sexual violence and rape culture. In several jurisdictions, including Manitoba, Ontario, and British Columbia, post-secondary institutions are now legally mandated to develop sexual violence policies, and outside of these jurisdictions other post-secondary institutions are choosing to develop sexual violence policies and programming. While the types of programs and policies implemented by different institutions have varied, bystander intervention programs have been adopted or are being considered in a number of places. Considering this growing reliance on bystander intervention programs at some post-secondary institutions, combined with the increasing diversity of the student body, it is important that bystander intervention programming take an intersectional approach.This chapter will explore the ways in which bystander intervention programming can apply an intersectional approach to better address the needs and experiences of students at a variety of social locations. We highlight and discuss seven design and implementation aspects of bystander intervention programming that could benefit from an intersectional approach including: identifying patterns of victimization and perpetration; structural critiques; intervention strategies; audience; bystander bias; selection and training of facilitators; and empirical data relied on to validate bystander programming.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,019 | 0,054 |
| Communication savante | 0,023 | 0,024 |
| Science ouverte | 0,004 | 0,019 |
| Intégrité de la recherche | 0,006 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».