A qualitative investigation of gender-based violence prevention and response using digital technologies in low resource settings and refugee populations
Notice bibliographique
Résumé
Background: Governmental and non-governmental organizations across medical, legal, and psychosocial sectors providing care to survivors of gender-based violence (GBV) and their families rapidly digitalized services during the COVID-19 pandemic. GBV prevention/response services working with women and children who are forcibly displaced and/or living in low-and-middle income countries (LMIC) were no exception to the rapid digitalization trend. Literature is lacking a critical synthesis of best practices and lessons learned since digitalization replaced major operations involved in GBV prevention/response.Objective: This research qualitatively investigated how GBV service providers, located in a range of socio-political settings, navigated the process of digitalizing GBV prevention/response during the COVID-19 crisis.Method: Semi-structured key informant interviews (KII) with GBV service providers in varied sectors were implemented virtually (2020–2021) in Brazil, Guatemala, Iraq, and Italy (regarding forcibly displaced women/girls for the latter). Participants were recruited using purposive and snowball sampling. Interview guides covered a range of topics: perceived changes in violence and service provision, experiences with virtual services, system coordination, and challenges. The KIIs were conducted in Portuguese, Spanish, Arabic, and Italian. Interviews were audio-recorded, transcribed, and translated into English. The research team conducted thematic analysis within and between countries using a structured codebook of data driven and theory driven codes.Results: Major themes concerned the: (1) spectrum of services that were digitalized during the COVID-19 crisis; (2) gender digital divide as a barrier to equitable, safe, and effective service digitalization; (3) digital violence as an unintended consequence of increased digitalization across social/public services.Conclusion: Digitalization is a balancing act with respect to (1) the variety of remotely-delivered services that are possible and (2) the access/safety considerations related to the gender digital divide and digital violence.
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 | 0,011 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,013 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».