Things Latinas need to plan for safety: A dual-site concept mapping study
Notice bibliographique
Résumé
BACKGROUND: Latina women in the United States experience intimate partner violence (IPV) at high rates, but evidence suggests Latinas seek help for IPV at lower rates than other communities. Safety planning is an approach that provides those experiencing IPV with concrete actions to increase their safety and referrals to formal services. While safety planning is shown to reduce future incidences of violence, little is known about the safety planning priorities of Latinas. APPROACH: This study leveraged Group Concept Mapping, a mixed-method process consisting of brainstorming, sorting, rating, and interpreting. First, 17 Latinas who were survivors of IPV and/or professional advocates generated responses to a focal prompt. Next, 19 participants pile-sorted a list of unduplicated responses into categories. Data were analyzed using multidimensional scaling and hierarchical cluster analysis and results were iteratively refined by the study team. Forty-two Latina participants in Chicago and Miami rated each item based on its necessity for safety using two scenarios: if a survivor planned to leave a partner or remain in the relationship. Bivariate correlation analyses were used to examine differences in safety planning priorities across multiple axes. Finally, results were shared with participants for feedback and contextualization. RESULTS: Combined, a total of 46 Latinas participated in data collection activities. Brainstorming and sorting data generated seven clusters of safety planning needs. Statistically significant differences in cluster rating were found for women who intended to leave a relationship (for whom legal services was most necessary) versus those who intended to stay (for whom safety planning services were critical) and those in Chicago versus those in Miami. CONCLUSIONS: This study contributes to the small, but growing, literature regarding safety planning needs of Latinas in the US and illustrates potential ways in which future safety planning interventions should be tailored to these communities.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».