Hidden Victims: Exploring Prevalent Factors Contributing to Violent Behaviours Against Homeless Individuals in Durban CBD
Notice bibliographique
Résumé
Homelessness remains a pressing social issue worldwide, with individuals experiencing various forms of victimization and marginalization. This qualitative study aimed to explore the pathways into homelessness and experiences of victimization among homeless individuals in Durban CBD, South Africa. Data were collected through in-depth interviews with (n=17) participants and analysed thematically. Five main themes emerged: pathways into homelessness, forms of violent behaviours experienced, factors contributing to victimization, impact of violent behaviours, and access to assistance post-victimization. Participants described childhood adversity, poverty, unemployment, and substance abuse as key pathways into homelessness. They reported experiencing physical and verbal violence from both the public and law enforcement officials, often leading to physical injuries and psychological distress. Factors contributing to victimization included collective punishment, stigma, visibility, and impaired judgment due to substance abuse. Seeking assistance from law enforcement was often futile, with participants reporting discrimination and neglect. These findings underscore the urgent need for targeted interventions and support systems to address the complex challenges faced by homeless individuals, particularly those from marginalized backgrounds. This research provides valuable insights for policymakers and stakeholders working towards creating a more inclusive and just society for all individuals, regardless of their housing status.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».