Femicide in Canada
Notice bibliographique
Résumé
Every second day, on average, a woman or girl is killed in Canada. These women and girls are killed mostly by men. This chapter examines how these deaths are studied with a focus on the research produced by the Canadian Femicide Observatory for Justice and Accountability (CFOJA), launched in 2017. Consistent and reliable data about the killings of women and girls who were killed because of their sex or gender, known as femicide in the literature, is limited globally. Information about femicide in marginalised and racialised communities is even more lacking. Noting that existing official data-collection instruments are primarily designed to capture information about homicides, which are typically male-on-male instances of violence, the authors argue that femicide has specific gendered characteristics and that understanding these characteristics can help design prevention initiatives. In other words, women and girls remain at risk of femicide due to the lack of high-quality gender-sensitive data-collection tools, including race-based data. Despite the data limitations, CFOJA produces research on femicide drawing from media accounts and publicly available information on femicides, which are often enough to identify and discuss sex-/gender-related motives and indicators (SGRMIs) while continuing to engage in public advocacy about femicide. The chapter presents a snapshot of femicide in Canada and discusses the presence of SGRMIs, concluding that femicide is a public safety and human rights issue concerning all members of society and should be studied accordingly.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».