The Dandarah App: An mHealth Platform to Tackle Violence and Discrimination of Sexual and Gender Minority Persons Living in Brazil
Notice bibliographique
Résumé
Discrimination and violence are widely experienced by sexual and gender minority (SGM) persons worldwide. More than one SGM person is murdered every day in Brazil because of their sexuality or gender identity, which is the highest reported homicide rate in the world. Alt-hough discrimination and violence against SGM persons in Brazil are considered to be hate crimes, reporting is still suboptimal due to fear of police SGM phobia and victim blaming. Accessible and easily disseminated interventions are urgently needed. Herein, we describe the develop-ment of an mHealth solution to help address violence against SGM persons, namely the Rainbow Resistance: Dandarah App, with a synthesis of key results and feedback from the SGM community after 24 months of using the app. Twenty-two focus group discussions (FGDs) were conducted with SGM persons living in six Brazilian states: Bahia, Federal District, São Paulo, Rio de Janeiro, Minas Gerais, Sergipe, and Pará. A total of 300 SGM persons participated in the FGDs. A thematic analysis was performed to interpret the qualitative data. Content themes related to aesthetics, us-ability, barriers to resources, and likes/dislikes about the intervention arose from the FGDs. Participants found the intervention to be user-friendly, endorsed more likes than dislikes, and suggested a few changes to the app. The findings suggest that the intervention is usable and fit for future ef-fectiveness testing, and that it could fill an important gap in the well-being of SGM persons living in a country with high levels of discrimination and violence towards this community, i.e., Brazil.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».