You can’t report your feelings: The hidden labor of managing threats to safety by women in global public health fieldwork
Notice bibliographique
Résumé
Increasing job market demand for and availability of Canadian and U.S. global academic health programs in post-secondary education increases student demand to participate in internationally based fieldwork, while supportive resources remain weakly developed. Previous studies indicate provisions to protect the health, safety, and well-being of women students remain inadequately addressed during training, while more research to identify needs, expectations, gaps, and best practices would inform policy and practice to improve conditions for women working off-campus on global public health studies. One approach, reported here, is to document and better understand the lived experience of U.S. or Canadian women graduate students participating in global public health fieldwork. Participant in-depth phenomenological interviews and guided writing exercises aimed to capture lived experience descriptions for 25 women. A phenomenology of practice was applied throughout the research process, following Max van Manen's qualitative methodology approach. Loss of environmental familiarity, combined with graduate students' lack of power, created considerable hidden labor described by women in working to keep themselves safe from sexual and gender-based violence (SGBV) while participating in global public health fieldwork. Women shared specific experiences exemplifying how this can be both alleviated and/or intensified through a range of negotiated strategies, coping styles, and management techniques. Additionally, women recalled laboring as students to avoid or reduce instances of SGBV, that then, precluded them from having any material "of substance" to report once returned home. These findings offer new meaning structures, language for a foreign experience, or ways to describe, conceive of, and respond to global public health fieldwork that hold the potential to positively affect individuals' experiences, institutional understanding, and thus practice, of future women students in global public health.
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 | 0,013 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,027 | 0,038 |
| Communication savante | 0,011 | 0,006 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».