Digital Gender Violence in Sri Lanka: A review of emerging trends, legal frameworks and policy gaps
Notice bibliographique
Résumé
Digital Gender Violence (DGV) is a rising concern in Sri Lanka, manifesting through cyberstalking, image-based abuse, doxing, and impersonation. These harms disproportionately affect women, LGBTQ+ persons, and other marginalised groups. Despite growing public awareness, legal and policy responses remain fragmented and underdeveloped. This review addresses a critical gap by synthesising emerging trends, legal frameworks, and international best practices through an interdisciplinary, gender-sensitive lens. The study aims to answer four key questions: the nature of DGV manifestations, the effectiveness of existing legal and regulatory frameworks, the gaps in policy, enforcement, and digital literacy, and how international models can inform Sri Lankan reform. A narrative review method was employed, integrating peer-reviewed literature, legal documents, and institutional reports from 2015 to 2025. Thematic analysis was guided by feminist theory and digital governance perspectives. Findings reveal that legal instruments, such as the Online Safety Act (2024), lack precise definitions and clarity in enforcement. Policy coordination is weak, digital literacy remains low, and platform accountability is minimal. Vulnerable populations face compounded risks due to intersectional barriers related to gender, class, disability, and sexuality. Comparisons with Australia, Canada, and the Philippines highlight legal innovations that could be adapted to the Sri Lankan context. This review contributes a structured, critical analysis of DGV in Sri Lanka, advocating for survivor-centred legal reform, inclusive education, and mandatory platform regulation. The study underscores the urgency of a comprehensive, rights-based national policy on digital gender violence and suggests future research should prioritise underrepresented groups and longitudinal data.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».