Postcards from the Pandemic: Women, Intersectionality, and Gendered Risks in the Global COVID-19 Pandemic
Notice bibliographique
Résumé
Abstract The COVID-19 crisis created, and continues to produce, unprecedented challenges globally. Marginalized and racialized families, communities, and nations are experiencing their worst impacts, and in particular, women and girls are the hardest hit. The most pressing concerns raised by COVID-19 include a surge in gender-based violence, a rise in care burden, the feminization of poverty, and growing unemployment, largely in the Global South and conflict-affected regions. Drawing on feminist security studies and intersectionality literature, this forum explores gendered risks in the COVID-19 era, focusing on the security of women and girls from racialized and marginalized backgrounds in both the Global North and South. This forum presents seven short papers providing rich data on a range of case studies that include Yemen, Sri Lanka, Liberia, Canada, India, and Burundi. The contributions draw attention to the multilayered, diverse, intersectional, complex, and contextual gendered risks associated with the pandemic. The through line themes of intersectional identities, patriarchy, conflict, post-conflict, militarization, and marginalization are used to illustrate how gendered risks are (re)constructed during and after the COVID-19 crisis. This forum launched what we hope will offer a new research agenda and support to provide scholarly terrain for future research. This forum section not only provides insights into the vast and complex gendered impacts of the COVID-19 pandemic but also sparks broader thinking about everyday forms of insecurity that women and girls face in global crises.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».