Les variations temporelles de la fréquence des violences physiques en contexte conjugal
Bibliographic record
Abstract
La violence conjugale vécue par une femme est un phénomène dynamique qui évolue à travers le temps. En dépit de ce fait, peu d’études y sont consacrées. On connaît notamment peu les facteurs derrière l’intensité de la violence et ses variations au fil du temps. La présente étude propose de combler ces lacunes en examinant les trajectoires individuelles de femmes qui ont été victimes de violence conjugale. Plus spécifiquement, l’objectif est d’analyser l’évolution de la fréquence de la violence physique à travers le temps. L’échantillon se compose de 53 femmes qui ont toutes subi des violences en contexte conjugal à l’intérieur d’une période fenêtre des 36 derniers mois. Les trajectoires individuelles de ces femmes ont été reconstruites en utilisant la méthode des calendriers d’histoire de vie. Les résultats de cette recherche montrent que la fréquence de ces violences physiques varie grandement d’une victime à l’autre, mais elle varie également au sein même des trajectoires de chacune de ces femmes. Ils montrent également que pour comprendre comment évoluent ces violences, il faut impérativement considérer les caractéristiques de la victime, du conjoint et de leur relation, mais aussi les circonstances de vie qui changent au cours des trajectoires. Un autre résultat important est l’impact du temps qui passe. En effet, on constate que, de manière générale, la fréquence de la violence tend à augmenter au fil des mois. L’étude des trajectoires de violence conjugale constitue assurément un chemin vers une meilleure connaissance du phénomène et une meilleure intervention auprès des victimes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.013 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".