Spatializing sexual and gender-based violence, gendered mobilities, and the built environment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Sexual and gender-based violence (SGBV) significantly constrains women’s and gender diverse individuals’ mobilities, especially in urban environments where perceived and actual risks shape access to public spaces, transportation, and community engagement. This scoping review synthesizes how mobility-based SGBV has been identified, mapped, and analyzed within the built environment using geographic information systems (GIS). Drawing on established scoping review frameworks, we systematically searched Google Scholar, Web of Science, and Geobase, identifying 316 relevant studies. Our findings are organized into four thematic approaches: (1) innovative and emerging technologies; (2) mainstream spatial analysis and crime mapping; (3) quantitative and mixed methods approaches; and (4) perception-based qualitative mixed methods. We identity a persistent disconnection between technological solutions (e.g. safety apps) and spatial analyses grounded in urban planning, alongside a broader gap between feminist-informed methodologies and dominant GIS practices. While GIS-based crime mapping offers valuable spatial insights, it often omits participatory and feminist-informed perspectives that better account for lived experiences of mobility injustice. We thus propose ‘feminist spatial participatory action research’ as a methodological orientation that integrates participatory mapping, qualitative GIS, and spatial analysis. We argue this approach advances interdisciplinary, survivor-centered mobilities research and offers a holistic foundation for addressing SGBV through inclusive spatial interventions.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle