The Weight of Intersecting Identities: A Mixed-Methods Systematic Review of Literature on Community and Systemic-Level Gender-Based Violence Against Visible Minority Women
Notice bibliographique
Résumé
Gender-based violence (GBV) affects one in three women globally, with visible minority women being at a higher risk due to the intersection of sexism, racism, and xenophobia. Community-level GBV is a form of interpersonal violence that occurs in public spaces and is enacted by strangers, while systemic-level GBV is linked to institutional and public policies and reflected in inequalities in employment, access to resources, and exploitation. This review examined community and systemic-level GBV against visible minority women, applying an intersectional lens. We conducted a mixed-methods systematic review of academic and gray literature from the last 20 years, following Joanna Briggs Institute’s guidelines. The review focused on community and systemic-level GBV against visible minority women in Canada, the United States, the United Kingdom, Australia, and New Zealand. Our systematic search found 8,970 potentially relevant studies after duplicate removal. Following a two-stage screening process, we identified 35 articles that reported on community and systemic-level GBV. We extracted and integrated data from eligible quantitative and qualitative studies, then thematically synthesized the findings using Thomas and Harden’s approach. Findings demonstrate that visible minority women’s GBV experiences are multifaceted and compounded by intersectional identities. Visible minority women with precarious migration and employment status face particular vulnerability. Barriers based on language, culture, and financial background also add to the difficulties. The intersection of gender, race, and other identities produces severe physical and psychological consequences and the propagation of race and gender-based discriminatory practices.
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 | 0,043 | 0,129 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,007 |
| Bibliométrie | 0,027 | 0,021 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».