From the Screen to the Streets: Technology-Facilitated Violence Against Public Health Professionals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This qualitative study sought to explore the experiences of public health professionals in Canada who were targets of harassment, abuse, and threatening behavior during the COVID-19 pandemic. Public health professionals from across Canada who held responsibility for public health measures in their respective jurisdictions participated in in-depth interviews. Using constructivist grounded theory and constant comparative analysis a cycle of violence was identified. Results revealed that as infections and deaths due to COVID-19 began to rise across the globe, participants engaged in efforts to educate the public through mainstream media and social media. While education efforts were generally positively received at the onset of the pandemic, as collective frustration with public health restrictions rose and misinformation began to proliferate, social media fueled outrage and polarization, and public anger began to focus on public health officials. Harassment, abuse, and threats on social media were followed by threats delivered through telephone and paper mail, and finally direct physical threats and confrontation—which were then glorified and amplified on social media. As reported by others, harassment and abuse were particularly virulent for public health professionals who were women or visible minority individuals. We conclude that the pattern of abuse identified in this study is reminiscent of the cycle of violence previously identified with respect to those who become radicalized on social media. These findings serve as a poignant example from which to develop guidelines for all professionals and researchers at risk of online abuse both in the health sector and beyond.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle