“It definitely changed me”: Exploring sexual and gender diverse people's experiences with intimate partner violence in Ontario, Canada
Notice bibliographique
Résumé
INTRODUCTION: Intimate partner violence (IPV) involves an individual committing acts intended to harm or intimidate a current or former romantic partner. The COVID-19 pandemic and subsequent stay-at-home orders often trapped victims with perpetrators and intensified IPV. Although sexual and gender diverse people disproportionately experience IPV compared to cisgender, heterosexual people, their experiences are not well documented in the Canadian context. This study aimed to explore the experiences of Two-Spirit, lesbian, gay, bisexual, transgender, queer, intersex, asexual, and other sexual and gender diverse (2S/LGBTQIA+) people with IPV in Ontario and how the COVID-19 pandemic affected their IPV experiences. METHODS: We conducted in-depth, semi-structured interviews with self-identified 2S/LGBTQIA+ people who experienced IPV on/after March 15, 2020. We audio-recorded and transcribed all interviews and coded the transcripts for content and themes using inductive and deductive techniques. RESULTS: Our 20 participants experienced physical, psychological, sexual, and financial abuse. Technology-facilitated violence extended abuse geographically and temporally. IPV experiences were associated with negative mental health outcomes that were intensified by the COVID-19 pandemic. Participants struggled to see themselves as legitimate victims of IPV. Although participants regretted being victims of violence, many saw their abusive relationship(s) as a learning experience to inform future relationships. DISCUSSION: Our findings suggest that 2S/LGBTQIA+ people may experience unique forms of identity abuse and may have difficulty recognizing their IPV experiences as abuse. Ensuring that comprehensive sexual health education is trauma-informed, anti-oppressive, and includes information about healthy relationship dynamics, 2S/LGBTQIA+ relationships, and IPV is critical.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,027 | 0,005 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».