Using a sociological conceptualization of stigma to explore the social processes of stigma and discrimination of children in street situations in western Kenya
Notice bibliographique
Résumé
BACKGROUND: The leading causes of street involvement worldwide are poverty, family conflict, and abuse. A common misconception is that street involvement is due to delinquency, a belief leading to social exclusion and social inequality for children in street situations (CSS). Exploring community perceptions of CSS and the reproduction of social difference and inequalities can help reduce stigma and discrimination. OBJECTIVE: To explore how stigma and discrimination of CSS was produced and reproduced in specific contexts of culture and power. PARTICIPANTS AND SETTING: Social actors including CSS, healthcare providers, children's officers, and police officers in western Kenya. METHODS: Using a sociological conceptualization of stigma, this qualitative study explored the stigmatization processes that take shape in specific contexts of culture and power. We conducted 41 in-depth interviews and 7 focus group discussions with a total of 100 participants. RESULTS: CSS were often labeled "chokoraa" or garbage picker, a label linked to undesirable characteristics constituting "evils" in society and stereotyped beliefs that they were "delinquents," reinforcing their "otherness" and devalued social status. CSS experienced individual and structural discrimination leading to exclusion from social and economic life. CONCLUSION: CSS were stigmatized when labeled, set apart, and linked to negative characteristics leading to their experience of status loss and discrimination. CSS's differentness and devalued status served to limit their access to societal resources and deemed them unworthy of equal rights. Interventions involving various social actors are needed to challenge negative stereotypes, reduce stigma, and uphold CSS's human rights.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,024 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».