NOVEL, EDUCATIONAL AND LEGAL RESPONSES TO TECHNOLOGY-FACILITATED SEXUAL VIOLENCE
Notice bibliographique
Résumé
The three panel presenters and session chair are co-researchers in a seven-year research partnership—involving 28 educational institutions, 25 co-investigators,15 community partners, and 50+ students—that aims to address sexual violence in physical and virtual forms in university contexts across Canada and internationally. The project specifically seeks to address, dismantle and prevent sexual violence by means of multi-sector partnership solutions across the fields of education, law, policy, arts, popular culture, health care, management, news and social media. Using the methodological framework of Parallaxic Praxis (Sameshima et al., 2019), the team looks at a phenomenon from different perspectives by using varied methodological processes as well as a range of rigorous methods of encoding, decoding, and rendering data; and establishing post-qualitative possibilities for generating and mobilizing knowledge to broader audiences. The juxtaposition of renderings (constructions made from deep analysis of the phenomena such as papers, presentations, artworks, and other artefacts), when presented together, manufacture a dynamic agency between works capturing intertextualities, aporias, choruses, and a poesis that arise in the coalescence of the unassimilated, individual investigations. In this panel, an overview of the larger project and the significant milestones in the first four years specifically related to internet technologies will be provided. Drawing from multi-perspectives, the second presenter will address image-based sexual abuse and copyright in Canada, and the third will share data collected from this project in the form of excerpts from an epistolary novel. The session demonstrates how multi-modal investigations and dissemination offer possibilities for extending knowledge production.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,025 | 0,028 |
| Communication savante | 0,014 | 0,005 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».