The Power of Domestic Violence and Abuse Counter Narratives: Telling Stories in Parliamentary Debates
Notice bibliographique
Résumé
This paper sets out to interrogate the use of master and counter narratives in UK Parliamentary Select Committee debates surrounding the passage of the Domestic Abuse Bill (now Domestic Abuse Act 2021) in Parliament. These debates are a site that allow for the telling of counter narratives in order to challenge the narrative of the normative socio-legal position regarding domestic violence and abuse (DVA). With its roots in the patriarchy and stereotypical gender roles that foster violence and abuse, the issue with such a narrative is that it fails to recognise the complex, nuanced nature of domestic violence and abuse. As a result, it maintains the status quo and is disconnected from the realities of DVA. The work of this paper, then, is to consider the dialogue between the masterplot of DVA, the Domestic Abuse Bill, and the attempts of counter narratives to act as discursive resistance. It will consider what is the true power of these anti-hegemonic stories in exposing the problems with the master-narrative. Counter narratives submitted by organisations, activists, academics and survivors of DVA during the Committee Stage of the debates were not uniform, monolithic or pure, and were often plagued with inconsistencies and contradictions with one another. Characterised as the same but different, these counter narratives did not act in strict opposition to the hegemonic master narrative. As a result, this paper will draw on a case study which examines three different reports submitted during the Committee Stage of the Debates to consider the following questions: in what way can counter narratives act as discursive resistance in law reform efforts and why are some more successful than others in dismantling the master narrative through the mechanism of the law? Overall, the argument put forward is that it is the counter narratives with a greater illocutionary force and greater narratological power which can be a successful tool in law reform and effect a shift in the master narrative of domestic violence and abuse.
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 | 0,027 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,019 | 0,040 |
| Communication savante | 0,021 | 0,023 |
| Science ouverte | 0,003 | 0,016 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».