COVID-19 and gender-based violence: reflections from a “data for development” project on the Colombia–Venezuela border
Notice bibliographique
Résumé
Click to increase image sizeClick to decrease image size Disclosure statementJulia Margaret Zulver, Tara Patricia Cookson, and Lorena Fuentes work for Ladysmith, a feminist research consultancy. With USAID and Global Affairs Canada funding, Ladysmith designed and implemented the Cosas de Mujeres intervention, whose data is reviewed in this paper. The research presented here did not receive any specific grant from funding agencies in the public, commercial, or not-for-profit sectors.Additional informationNotes on contributorsJulia Margaret ZulverJulia Margaret Zulver is a Senior Researcher at Ladysmith, where she is also the Director of Field Operations for Gender Data Kit. She is a Marie Skłodowska-Curie Research Fellow at the University of Oxford, UK, and the Universidad Nacional Autónoma de México, Mexico.Tara Patricia CooksonTara Patricia Cookson is the co-founder and Director of Research at Ladysmith. She is also an Assistant Professor of Gender and Development in the School of Public Policy and Global Affairs at the University of British Columbia, Canada.Lorena FuentesLorena Fuentes is the co-founder and Director of Practice and Advocacy at Ladysmith. She is also a Lecturer in Gender and Development Studies at the International Institute at the University of California Los Angeles, USA.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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 ».