THE ROLE OF MUSLIM WOMEN \nIN PREVENTING VIOLENT EXTREMISM (PVE) IN INDONESIA
Notice bibliographique
Résumé
Within the discourse of Islamic extremist movement, Muslim women are no \nlonger seen as supporters. There are cases in which women are behind the \nviolent action. Between 1985 and 2010, female bombers committed over 257 \nsuicide attacks (representing about a quarter of the total). In 2017 there are 420 \nIndonesian returnees from Syria who joined ISIS, 70 percent of them women and \nchildren. At least 45 Indonesian women migrant worker has suspected involved \nat ISIS. Social Media have a big contribution for recruiting the extremist member. \nThe power of social media is to influence netizen by emphasizing feeling instead \nof thinking which reinforces gender stereotypes that women are more emotional \nthan rational. \nAlthough more women have been actively involved in intolerant activities \nrecently, women’s roles as policy shapers, educators, community members and \nactivists in Countering Violent Extremism (CVE) have started to be recognized. \nWomen, Peace and Security (WPS) agenda from UNSCR 1325 also asserts that \nwomen's role in CVE is significant important. There is a strong correlation \nbetween gender inequality and the status of women and violent conflict. \nPromoting gender equality is included in the recommendations in the UN’s \nPreventing Violent Extremism Plan of Action. Violent extremism is most \neffectively countered through increased education, better critical thinking and \nenhanced opportunities for women. There are at least 23 organizations in \nIndonesia contribute to a national CVE strategy for Indonesia. One of them is \n'Aisyiyah, a woman's wing organization of Muhammadiyah, one of two biggest \nIslamic organizations in Indonesia. This paper discusses the experience of \n'Aisyiyah promoting Peace of Islam through training which encourages women \nto be an agent of active tolerance. 'Aisyiyah implements active learning and uses \nmedia such as religious animation and poster as a training strategy.
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 | 0,001 |
| 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 | 0,004 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».