Améliorer la collaboration entre les milieux communautaires et judiciaires en violences sexospécifiques
Notice bibliographique
Résumé
Cet article explore les enjeux des collaborations intersectorielles dans l’accompagnement sociojudiciaire de femmes victimes de violences sexospécifiques (violences sexuelles, conjugales ou exploitation sexuelle), qui appartiennent à des groupes marginalisés (les communautés autochtones, noires, racisées, immigrantes, les personnes en situation de handicap, Sourdes ou encore les minorités sexuelles et de genre). À travers une recherche partenariale menée auprès d’intervenantes communautaires au Québec (n=48), il met en lumière les pratiques collaboratives intersectorielles et les défis rencontrés lors de l’accompagnement des femmes dans leurs démarches judiciaires. Les expériences des participantes ont été documentées par le biais de questionnaires et d’entretiens, individuels ou de groupe, menés entre le printemps 2020 et l’hiver 2021. Ancrée dans une perspective féministe intersectionnelle, l’analyse thématique des données a permis de dégager quatre principaux axes de collaboration : l’établissement de partenariats sous tension avec les milieux policiers, la coordination et la communication entre les différents secteurs, l’accompagnement des femmes dans leurs interactions avec les acteurs et actrices du système judiciaire et les initiatives de sensibilisation et de formation des professionnel·le·s. Les analyses révèlent que, bien que ces collaborations aient le potentiel d’améliorer l’accès à la justice, elles sont souvent entravées par des lacunes en matière de reconnaissance des rôles des intervenantes, des disparités régionales et par un manque de sensibilisation aux réalités des femmes marginalisées. L’article conclut en insistant sur quelques recommandations tirées des résultats et discutées à la lumière de la littérature scientifique et grise : renforcer les partenariats intersectoriels, intégrer une analyse féministe intersectionnelle dans les pratiques judiciaires, et soutenir les organismes communautaires afin de garantir un accès équitable à la justice pour toutes les femmes qui le souhaitent.
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 | 0,020 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,018 | 0,010 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,002 | 0,015 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».