MétaCan
Menu
Retour à la cohorte
Enregistrement W4403095912 · doi:10.4018/979-8-3693-7240-1.ch011

Demystifying the Culture and Causes of Honor Killings in Canada

2024· book-chapter· en· W4403095912 sur OpenAlexaboutno aff
Abhishek Kumar, Aniruddh Atul Garg

Notice bibliographique

RevueAdvances in digital crime, forensics, and cyber terrorism book series · 2024
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueTerrorism, Counterterrorism, and Political Violence
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHonorCriminologyPolitical scienceSociologyComputer scienceInternet privacy

Résumé

récupéré en direct d'OpenAlex

The chapter aims to unfold the mishaps of honor killings in the Canadian context comprising its key causes, and issues leading to honor-based offenses against the women in the family. Although, honor killings in Canada are rare to notice, but are prevalent majorly due to immigrant communities. The chapter also demystifies the case studies which witnessed honor killings in Canada. The Shafia case which is one of the landmark cases of the honor killing in Kingston, Canada led to the painful demise of three daughters and the first wife of Mohd. Shafia. Furthermore, it also explores the Canadian media reports on honor killing and how they create a biased view regarding the incidents surrounding these crimes in the public domain. In conclusion, several ways are highlighted upon which the Canadian government should act in order to diminish the prevalence of honor-based violence throughout Canada such as introducing effective immigration policies and making aware the youth of the laws concerning gender equality, freedom, and fairness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,847
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,250
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in digital crime, forensics, and cyber terrorism book seriesMême sujetTerrorism, Counterterrorism, and Political ViolenceTravaux en français237 207