Notice bibliographique
Résumé
Abstract In the midst of unprecedented attention to gender-based violence (GBV) globally, prompted in part by the #MeToo movement, this book provides a new analysis of how higher education cultures can be transformed. It offers reflections from faculty, staff, and students about how change has happened and could happen on their campuses in ways that go beyond implementation of programs and policies. Building on what is already known from decades of scholarship and practice in the United States, and more recent attention elsewhere, this book provides an interdisciplinary, international overview of attempts to transform higher education cultures to eradicate GBV. Change happens because people act, usually with others. At the heart of transformative efforts lie collaborations between faculty, staff, students, activists, and community organizations. The contributors to the book reflect on what makes for constructive, effective collaborations and how to avoid the common mistakes in working with others to end GBV. They consider what has worked to challenge the reluctance—or outright hostility—they have encountered in their work against GBV and how their collaborations have succeeded in transforming the ways GBV is considered and dealt with. The chapters focus on experiences in Canada, the United States, England, Scotland, France, and India to examine different approaches to tackling GBV in higher education. They reveal the cultural variations in which GBV occurs as well as the similarities across cultures. Together, they demonstrate that, to make higher education a safe environment for all, nothing short of a transformation is required.
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 | 0,026 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,021 | 0,041 |
| Communication savante | 0,029 | 0,028 |
| Science ouverte | 0,005 | 0,044 |
| Intégrité de la recherche | 0,010 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,011 |
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 ».