Adapting effective sexual assault prevention for online delivery
Notice bibliographique
Résumé
Adapting effective sexual assault prevention for online delivery Can an in-person intervention that decreases young women’s risk of sexual assault maintain its effectiveness when adapted for online facilitation? Our recent research set out to answer this question. Many people have searched for ways to prevent sexual violence against women and girls, but few strategies have been found to be effective. (1) Changing societal acceptance of gender-based violence takes time, and attitude change alone does not lead to decreases in rates of violence. Efforts to prevent sexual violence perpetration have had limited results, (2) though this work continues. Dr Charlene Senn and her team had a scientific breakthrough with CIHR funding, showing that empowering young women through resistance education can decrease their risk of sexual assault and intimate partner violence (IPV) by 50%. (3,4,5) The intervention was the Enhanced Assess, Acknowledge, Act (EAAA; also known as Flip the Script with EAAA®), a 12-hour program delivered in small groups by two expert near-peers on university campuses. Implementation is resource- intensive for universities (e.g., training and staffing costs) even though the program itself is available at cost (SARE Centre). It is the only intervention that has demonstrated large, long- lasting reductions in sexual and IPV victimization. It has been used on campuses in five countries; however, the reach is still limited.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».