Examining the Prevalence and Effects of Gender-based Violence in Academic Settings: A Systematic Review and Meta-analyses
Notice bibliographique
Résumé
Gender-based violence (GBV) in the academic job sector is a critical issue that intersects with broader systemic and structural inequities, but research is limited. To study the prevalence, effects, and prevention measures of interpersonal GBV within the academic job sector, a meta-analysis and systematic review was conducted in accordance with the Preferred Reporting Items for Systematic Review and Meta-Analysis protocol. Rigorous searches were conducted across the databases PubMed, OVID, Scopus, Web of Science, and CINAHL, using specific keywords related to GBV, workplace, and virtual work environments, identifying papers published between January 2013 and February 2023. Studies were evaluated based on the Population, Intervention, Comparison, Outcomes framework. Data from papers were extracted and grouped by reported instances, and prevalence data for interpersonal GBV were reported in university settings, including in-person, hybrid, and virtual environments, and among men, women, and those who identify as 2SLGBTQ+. A random effects meta-analysis of proportions was conducted to evaluate the reported point prevalence rates of interpersonal GBV in academia between 2012 and 2015. Subgroup analyses were performed for university staff only, females only, and males only. Out of the 1,290 records, 16 studies met the inclusion criteria. The types of violence identified include sexual harassment, workplace bullying and online harassment, which affects career advancement, and employee well-being. The meta-analyses, conducted with a 95% confidence interval [CI], identified that 51.4% (95% CI [39.9%, 63.0%]) of university staff members experience GBV, with females, 59.3% [38.1%, 80.5%], experiencing greater rates than males, 44% [28.1%, 44.1%]. The findings underscore the need for institutional interventions to address interpersonal GBV in academic workplaces.
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 | 0,028 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,023 | 0,051 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».