RECLAIMING DIGITAL INTIMACY FOR YOUTH: PILOTING DIGITAL SEXUAL VIOLENCE WORKSHOPS FOR UNDER-18S DURING THE COVID-19 PANDEMIC IN ENGLAND AND IRELAND
Notice bibliographique
Résumé
Online sexual abuse and violence have become an urgent global problem for women and girls, and in particular for poor women, women of colour and LGBTQ women (Ging and Siapera, 2019). Online sexual harassment and abuse is an especially urgent issue for young people, for whom digital spaces are key sites of communication, identity formation, self-expression and sexual interaction. The toxic dynamics that frequently underpin these complex entanglements thus pose a significant threat to ethical digital intimacy. This situation became substantially more extreme during COVID-19, with rates of online abuse and harassment rising as young people have been forced to spend more and more time online. During this period, usage of particular platforms (e.g. TikTok) dramatically increased. A substantial rise in screen time also impacted young people’s experiences and digital intimacies in important ways. This paper reports on the findings of a cross-national study conducted in England and Ireland, which explored pedagogical interventions into the continuum of online and offline sexual violence amongst young people in schools. In particular, we are interested in how different social media platforms are used to perpetuate different types of online abuse based on certain technological affordances, such as Snapchat quick adds, shout outs and streaks, and Instagram direct message and group chat features. We make a number of concrete recommendations, pointing in particular to urgent paradigm shifts in digital ethics and digital safety initiatives, with a particular focus on platform algorithims, policies and governance.
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 | 0,003 |
| 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 | 0,001 | 0,000 |
| 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 ».