“A Lot of Gaps…Don’t Have the Budget”: Service Providers’ Insights on Supporting South Asian Immigrant Survivors of Intimate Partner Violence
Notice bibliographique
Résumé
This study explored challenges faced by service providers supporting South Asian immigrant survivors of intimate partner violence (IPV) in the United States and strategies to enhance culturally responsive, trauma-informed, survivor-centered, and accessible services. Between June 2021 and July 2023, 10 providers from mainstream and South Asian-focused agencies in Florida and Texas were interviewed. Using the Ecological Systems Theory, we examined multi-level influences on service provision. Data analysis was facilitated by ATLAS.ti software. Providers identified significant barriers hindering survivors from help-seeking, including fear, precarious immigration status, cultural norms, and economic dependency. Informal networks are initial contacts, providing mixed support. Formal organizations face ecosystem structural gaps, such as limited access to legal aid and housing, and cultural barriers, including shelter conditions and rigid procedures. Building trust with survivors is also considered crucial. Recommendations included personal outreach, cultural training, expanded culturally specific services, and cross-sector partnerships. Findings emphasize the need for culturally responsive, trauma-informed services that acknowledge survivors’ intersectional identities. Strategic collaboration between mainstream and South Asian-focused organizations is vital and policy reforms for addressing structural vulnerabilities are critical for improving help-seeking pathways. Future research should explore differences within South Asian communities to help providers develop trust-based pathways that connect informal and formal support systems.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 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 ».