Community perceptions of causes of violence against young women in Botswana: fuzzy cognitive mapping
Notice bibliographique
Résumé
Violence against young women is a problem worldwide. Understanding its causes in a particular setting can inform context-specific interventions. We used Fuzzy cognitive mapping (FCM), a visual method for collating local knowledge about causes of health outcomes, to explore community views of factors that cause or prevent violence against young women in rural communities in southeast Botswana. In three communities, groups of young men, young women, older men, and older women built maps (68 participants and 12 maps in total) of factors they believed increased or decreased the risk of violence against young women. Trained local facilitators guided group sessions, drawing the reported factors as nodes linked by weighted arrows indicating the direction and strength of causal relationships among factors. Fuzzy transitive closure calculated the influence of each factor on others, considering direct and indirect connections. We combined maps by groups of stakeholders and condensed individual factors into categories which emerged from an inductive thematic analysis. The categories labelled conflict in relationships and parenting and family issues had the strongest influences on increasing violence across all maps. These categories were also common intermediaries between other causal categories and violence. The categories labelled women being disrespectful or uncooperative and transactional and intergenerational sex were the third and fourth strongest risk categories overall. Prominent protective concepts included a stronger legal framework and strengthening the role of local traditional leadership, with greater prominence on the maps of older participants. The most influential risk and protective categories were consistent across young men, young women, older men, and older women. FCM was feasible and acceptable with different stakeholders in Botswana. Fuzzy cognitive maps can inform community discussions, for example, of conflictive gender norms, family dynamics or healthier relationships, and are useful to build theories on how to act on the causes of violence against young women.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».