ANALYSIS OF INTERNATIONAL PRACTICES OF COMBATING DOMESTIC VIOLENCE DURING THE COVID-19 PANDEMIC
Notice bibliographique
Résumé
The relevance of the research topic is justified by the growing number of cases of domestic violence in the period of lockdown restrictions during the COVID-19 pandemic introduced by governments around the world. These include: lockdown, restrictions on social contacts and mobility. They aim at slowing down the spread of COVID-19. Financial insecurity, increased stress due to changes in typical daily behavior and social isolation, possibility of perpetrators to control their victims in everyday life during long period of time have resulted in increased level of aggression and growing number of cases of domestic violence. The international community recognizes domestic violence as one of the most common violations of human rights and freedoms of women, men, the elderly persons, children. Almost everywhere in the world, governmental agencies and various civil society organizations consolidate their effort in order to address this problem, emphasizing its concealment and complexity, as well as gaps in legislation framework regulating prevention and combating such violations. This article analyzes the best international practices of addressing domestic violence during the pandemic, as study of these practices can be useful to Ukrainian society for developing its own programs to combat domestic violence in the context of the COVID-19 pandemic. Due to specific objectives of the research, a theoretical analysis of the scientific literature and foreign Internet sources was conducted to find out specific measures taken in different countries to address domestic violence during the COVID-19 pandemic. We analyzed practices of combating domestic violence in Canada, Sweden, the Czech Republic, Moldova, and Belarus and identified key actions taken by governments and leading civil society organizations in these countries. The selected practices encourage critical assessment, deeper study and consideration of implementing the best of them in Ukraine.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».