Measuring Violence Against Women: A Global Index
Notice bibliographique
Résumé
Violence against women (VaW) is a widespread crime and violation of the rights of women. It is present in every country without exception and crosses boundaries of culture, class, education, income, and race. Despite the magnitude of the literature and the abundance of publications on this problem, the field lacks a comprehensive and homogeneous way to measure and compare the extent of VaW across countries. Proper quantification of this problem is needed to develop preventive policies and strategies to reduce it. This article develops an index of VaW (VAWI) with global scope and multidimensional approach for 102 countries. It is an original index that calculates the total level of VaW by capturing information from the main VaW types (physical, sexual, psychological, and economic violence) in a single value between 0 and 1, where 0 denotes complete absence of violence and 1 the highest level of violence in a country. The proposed index is easy to compute and is comparable across countries. Our main results show that the nations with the highest levels of global VaW are Yemen, Senegal, Oman, Cameroon, and Uganda. The countries with the lowest levels are the Northern European Countries, Canada, and Malta. This VAWI makes a novel and important contribution to the study of gender issues. It can be used not only to monitor the statistics on VaW data within countries over time but also to make comparisons among countries. Further, it could be useful in designing new policy initiatives to reduce VaW.
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 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».