MétaCan
Menu
Retour à la cohorte
Enregistrement W4404292021 · doi:10.1080/13545701.2024.2418306

Regional Refugee Response Plans and Violence Against Women: A Comparative Analysis of the Humanitarian Situations in Ukraine and Venezuela

2024· article· en· W4404292021 sur OpenAlexaff
Lara‐Zuzan Golesorkhi

Notice bibliographique

RevueFeminist Economics · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensGlobal Affairs Canada
Organismes subventionnairesnon disponible
Mots-clésRefugeePolitical scienceGender analysisDevelopment economicsEconomic growthGeographySocioeconomicsDemographic economicsCriminologySociologyEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Regional Refugee Response Plans (RRPs) have emerged as key protection frameworks in the context of displacement. In line with the UNHCR Refugee Coordination Model (RCM), RRPs involve multi-partner and multi-sector response strategies for priority areas established based on region-specific needs. Across RRPs, violence against women (VAW) constitutes a priority area within operational and funding structures on gender-based violence (GBV). The operational and funding structures on GBV in the response plans for the humanitarian situations in Ukraine and Venezuela reveal important insights for economic mechanisms and impacts of displacement on VAW, especially when examined through feminist economics discourse. To shed light on this, this article analyzes sectoral infrastructures and partnerships as indicative operational structures, and funding streams and funding recipients as indicative funding structures. The analysis focuses on high-risk GBV spaces reflective of prevailing challenges in the implementation of the response plans.HIGHLIGHTSEconomic–political power relations inform discrepancies in global migration governance.Flexibility in responses to humanitarian situations leads to incoherent mechanisms and impacts in addressing VAW.Discrepancies are particularly problematic in high-risk GBV settings, as in the cases of Ukraine and Venezuela.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,195

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,003
Communication savante0,0020,001
Science ouverte0,0000,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,034
Tête enseignante GPT0,324
Écart entre enseignants0,289 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFeminist EconomicsMême sujetMigration, Health and TraumaTravaux en français237 207