Livras: An App to Help Women at Risk
Notice bibliographique
Résumé
Gender-based violence affects millions of women worldwide, transcending cultural, economic, and social boundaries.According to an ONU survey, home is the most dangerous place.In a large number of cases, even with the possibility of local telephone numbers for help, at-risk women cannot make a call simply because the aggressor is close to them.Considering the accessibility of communication for the deaf, there are tools to teach American Sign Language (ALS), which is also used in countries other than the United States.The Signal for Help was created by the Canadian Women's Foundation, allowing women to silently send an SOS.The idea presented in this work combines a fake app to teach sign language with a way to use this signal without the possible note of any neighbor aggressor.This is a silent and effective request to help at-risk women.After implementing the first version, it was tested by users who suggested significant improvements, and a second version was developed.This version was also sent to users for experimentation, and an update to the current version is presented here.Thus, there are useful functionalities in the application that fulfill the needs of daily use, such as access by voice activation, login with facial recognition, interface with contrasting colors, and the possibility of setting the language of the screen texts and menu words, among others.The geographical location of the woman sending the signal helps in her location, allows quick contact with the protection service in the region, and helps in identifying areas of greater risk (geographic tracking map) for the regional public security authorities.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,012 |
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 ».