Exploring the use of geographic methods to understand sexual- and gender-based violence: a scoping review
Notice bibliographique
Résumé
Geographic methods of inquiry are being increasingly employed to discern and visualize geographical patterns associated with increased risk of sexual- and gender-based violence (SGBV). As such, this scoping review systematically collated academic literature and subsequently synthesised (1) the time trend of studies employing geographic methods to understand SGBV, (2) the context in which geographic methods are being used to understand SGBV (i.e. objectives), (3) study characteristics, and (4) the methods and data sources used. A total of six databases were searched: Gender Studies, PsychINFO, Scopus, PudMed, Cochrane, and Campbell. Following title-abstract (n = 3354) and full-text screening (n = 159), 42 studies met data extraction criteria. From our review, there is clear momentum in the use of geographic methods to understand trends in SGBV. The majority of studies stated objectives aligning with assessing risk of SGBV (n = 35, 83.3%), while the remaining aimed to assess SGBV service availability. As research expands, there is notable focus on urban and suburban areas and a dominant dependence on institutional data sources (e.g. hospitals and police data), which hold certain caveats when it comes to structural barriers to SGBV data collection, such as fear of reporting and historic distrust in institutional services. Dovetailing the employment of big data sources with community-facilitated SGBV data collection methods may be a promising avenue for neighbourhood-specific efforts to inform policy and practice.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».