Beauty and Art as Pathways to Healing After Sexual Violence: A Comparative Study in the DRC and Canada
Notice bibliographique
Résumé
Conflict-related sexual violence against men in the Democratic Republic of the Congo (DRC) has profound psychological, emotional, relational, and spiritual consequences. Nevertheless, male survivors can achieve post-traumatic growth through processes that rebuild fractured identities, foster resilience, and cultivate renewed purpose. This article adopts a comparative framework by combining (a) original Canadian qualitative data—an Interpretative Phenomenological Analysis (IPA) study entitled “Silent No More: Surviving Male Rape,” conducted with survivors and trauma-informed practitioners—and (b) a phenomenologically informed synthesis of peer-reviewed studies, NGO/UN reports, and survivor testimonies from the DRC. The Canadian component focuses on the journey from victimhood to survivorship, demonstrating how breaking silence, being believed, and receiving compassionate, trauma-informed care foster meaning-making, resilience, and post-traumatic growth. The DRC component foregrounds culturally rooted pathways to recovery—especially communal and music-based practices—within conflict-affected settings. Across contexts, we identify convergent themes: beauty as a relational and embodied experience that regulates affect and restores safety; creative practices (music, visual arts, storytelling, ritual, and nature-based activity) as vehicles for dignity, connection, and purpose; and self-transcendent emotions (awe, gratitude, and wonder) that support the transition from threat to contemplation and agency. Divergences reflect cultural and structural conditions: in the DRC, healing often unfolds through community-embedded practices amid insecurity and stigma; whereas in Canada, clinical resources are more accessible, but masculine norms and isolation can impede disclosure. We argue that aesthetic and communal practices can complement clinical care and propose practice implications for arts-based, culturally grounded interventions, as well as a comparative research agenda.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,026 | 0,007 |
| Communication savante | 0,006 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| 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 ».