Culturally Diverse Students’ Perspectives on Sexual Violence Policies: Recommendations for Culturally Sensitive Approaches to Prevention in Higher Education
Notice bibliographique
Résumé
Culturally sensitive approaches in sexual violence prevention (SVP) refer to the proactive measures and strategies designed to address unique cultural circumstances impacting SVP. It focuses on fostering a culture of consent, respect, and equity and creating a safe and supportive environment for all individuals regardless of your identity. Increasing cultural diversity on university campuses poses unique challenges in preventing sexual violence (SV). Cultural diversity brings different perspectives, norms, and values regarding sex, sexuality, and gender roles. It can contribute to varying understandings of consent, differing attitudes toward SV, and diverse victimization experiences. These differences can create barriers to effectively addressing and preventing SV. The multiphase Culture and Perspectives on Sexual Assault Policy study, conducted at four universities in Eastern Canada, employed a qualitative research design involving focus groups with culturally diverse student participants. The findings revealed a strong desire for more education on sex, sexuality, SVP, and the intersections of culture. Additionally, the findings emphasize the importance of education and comprehensive prevention efforts that consider cultural differences, challenge gender normativity, debunk rape myths, and address the shame and secrecy associated with experiencing SV. These insights have significant implications for promoting a sense of community ownership, increasing the effectiveness and sustainability of prevention efforts, and helping to create a campus environment where all students feel safe, supported, and valued.
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 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 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 ».