The impacts of COVID-19 on women & marginalized groups: why a feminist human rights-based approach to recovery is vital
Notice bibliographique
Résumé
The COVID-19 crisis has been devastating for everyone, however, women are experiencing disproportionate economic, social, and health impacts. Using an intersectional gender lens, this qualitative research paper explores seven key areas in which women have been adversely affected in comparison to men, namely: the shouldering of unpaid care responsibilities, overrepresentation in frontline responses, weakening of economic security, increased gender-based violence (GBV), diminished sexual and reproductive health, financial devastation of the women’s sector and a growing digital divide. Due to pre-existing structural inequalities prior to the COVID-19 crisis, individuals who are racialized, immigrant, migrant or undocumented, disabled, low-income, or a part of the LGBTQ+ community have felt these burdens the most. By examining our current political economy, decisions made in past crises, and the economic benefits of gender equality, this paper discusses the unique window of opportunity the pandemic presents to correct past mistakes and commit to transformative social change. The paper argues that Canada’s COVID-19 recovery plan must be thoughtful and inclusive, prioritizing gender justice and economic and social rights for everyone. The paper concludes by providing various short-term policy solutions to aid in the mitigation of the pandemic's gendered effects, as well as an initial framework of seven potential policy areas in which to focus and allocate resources in the long term.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».