Ending the Silence: Responsive Community Support and Resources for Gender Based Violence
Notice bibliographique
Résumé
On Friday, February 5, 2021 the Newcomer Student Association (NSA) in collaboration with the Ontario Council of Agencies Serving Immigrants (OCASI) under the 2020-2021 Immigrant and Refugee Communities Neighbours, Friends and Families (IRCNFF) Campaign hosted the second session of its 3-part webinar series, Ending the Silence. The focus of this session was on Responsive Community Support and Resources for Gender-Based Violence. The session was moderated by Dr. Alka Kumar—Manager of Research and Policy at NSA. The three panelists included two NSA team members—Dr. Rahbari-Jawoko (Ryerson University Professor and Manager, Strategic Initiatives at NSA) and Jaspreet Kaur—(NSA Manager, Programs and Events, Newcomer Resilience Award recipient and research contributor to Domestic Violence in Immigrant Communities: Case Studies project) as well as Sidrah Ahmed-Chan, a public educator, researcher and writer with expertise in survivors of Islamophobic violence. The panelists drew from their professional and practice expertise and respectively commenced their presentations with discussion of the various ways intimate partner violence (IPV) generally manifests in a relationship and called attention to what is needed to mitigate challenges posed by the COVID-19 pandemic and existing community capacity building tools and resources.
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 | 0,012 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,006 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,002 | 0,020 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,009 |
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 ».