Intersectional Perspectives on Technology-Facilitated Sexualized Violence: A Mixed-Methods Investigation of Postsecondary Institution Materials
Notice bibliographique
Résumé
Technology-facilitated sexualized violence (TFSV) is a growing concern in educational, public health, and public policy spaces, with severe implications for health and well-being. In particular, young adults are at particularly high risk of TFSV victimization, which is compounded by structural sexism, heterosexism, colonialism, racism, and additional forms of oppression. Applied research on current TFSV educational awareness, prevention, and intervention materials/resources available for postsecondary students and employees (e.g. staff, administrators, and faculty) is lacking. In late 2022-early 2023, we conducted an environmental scan of TFSV resources at 25 public postsecondary institutions (PSIs) in British Columbia, Canada. The purpose was to identify TFSV-specific institutional materials/resources including support services for TFSV victim-survivors and educational training/resources on TFSV victimization (e.g. response workshops, awareness campaigns, etc.). Content analyses of identified TFSV resources examined intersectional considerations. We identified an overwhelming lack of TFSV-specific resources, with only one PSI indicating any such resources. Follow-up interviews with PSI employees in sexualized violence responding roles (N = 6) confirmed a dearth of institutional TFSV information and resources. We identified a pressing need for additional funding to support the development and implementation of TFSV-specific resources, particularly those incorporating intersectional frameworks. To reduce the harms associated with TFSV, which are shaped by systems of oppression, we call for the development of “living” TFSV resources, centralization of these resources, increased funding for professional development and policy implementation, and the incorporation and valuation of intersectional praxis at all stages of policy development and implementation.
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 | 0,021 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».