MétaCan
Menu
Retour à la cohorte
Enregistrement W7135543661

Non-Disease Gendered Effects as a Point of Analysis in Pandemic Response: A Comparative Case Study of COVID-19 Response Measures in Canada and New Zealand

2020· dissertation· en· W7135543661 sur OpenAlexaboutno aff
Leilani Roy-Wright

Notice bibliographique

RevueDigital Repository (National Repository of Grey Literature) · 2020
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueGender, Security, and Conflict
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComparative caseStrengths and weaknessesAction planPandemicAction (physics)Quality (philosophy)Social securityComparative research
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The effects of the COVID-19 Pandemic on women extend beyond the disease itself and into the social and economic lives of many. This dissertation takes the form of a comparative case study and delves into the question of how well the response measures enacted in New Zealand and Canada reflect a thorough consideration of the gendered human security outcomes of the measures. As well, it assesses whether gender stakeholders were involved in the decision-making processes around policy and response. The dissertation analyses documents on the response measures and uses an intersectional approach based on criteria from each country's action plan on the Women, Peace, and Security Agenda. Overall, the results show that while mention of gender was present in the documents, it was not overwhelming and there remained many areas where it could have added significantly to the quality of the measures. Likewise, certain areas of the Women, Peace, and Security Agenda were severely underrepresented. Overarching areas of weakness include a lack of emphasis on prevention and relief and recovery. Specific weaknesses include measures that ignore the underlying gender inequity within the home and labour force, the absence of measures to aid sex workers, and a lack of recognition of the gendered dynamics often present in...

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,393
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,321
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Repository (National Repository of Grey Literature)Même sujetGender, Security, and ConflictTravaux en français237 207