A systematic review of the literature: Gender-based violence in the construction and natural resources industry
Notice bibliographique
Résumé
Gender-based violence (GBV) poses a significant concern in the construction and natural resources industries, where women, due to lower social status and integration, are at heightened risk. This systematic review aimed to identify the prevalence and experience of GBV in the construction and natural resources industries. A systematic search across databases including PubMed, OVID, Scopus, Web of Science, and CINAHL was conducted. The Risk of Bias Instrument for Cross-sectional Surveys of Attitudes and Practices by McMaster University and the Critical Appraisal of Qualitative Studies by the Center for Evidence Based Medicine at the University of Oxford were used to assess the studies included in the review. Six articles were included after full-text analysis. GBV was reported in the construction, mining, urban forestry, and arboriculture sectors. Workplace GBV was measured differently across the studies, and all studies examined more than one form of GBV. The main forms of GBV discussed in these studies were discrimination, sexual harassment, and sexism. The studies provided some insight for demographic factors that may or may not be associated with GBV, such as age, region of work, and number of years working in the industry. The review also suggests that workplace GBV has a negative impact on mental health and well-being outcomes, such as higher levels of stress and lower job satisfaction. The current research has not established the effectiveness of interventions, tools, or policies in these workplaces. Thus, additional research should include intervention studies that aim to minimize or prevent GBV in male-dominated workplaces. The current study can bring awareness and acknowledgement towards GBV in the workplace and highlight the importance of addressing it as this review outlines the negative consequences of GBV on mental health and well-being in these male-dominated industries.
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 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,018 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».