Phénomène global, expérience locale. Ce que les expériences de Québécoises révèlent des cyberviolences
Bibliographic record
Abstract
Les cyberviolences envers les femmes sont une préoccupation mondiale, mais la plupart des travaux portent sur des cas spectaculaires de cyberharcèlement et incluent rarement des populations non anglophones. Cet article analyse les expériences et les perceptions de femmes francophones (n = 31) recueillies au Québec lors d’entretiens semi-dirigés et de groupes de discussion. Les concepts d’espace relationnel médiatisé et de cyberincivilités genrées étayent la multiplicité des incidents sexo-spécifiques rapportés. Ceux-ci s’inscrivent dans un continuum de violences et illustrent des dynamiques genrées dans les interactions en ligne : intrusions masculines dans l’espace personnel des femmes, souvent sous forme de harcèlement sexuel, incivilités sexistes, déni d’accès à des espaces sous le monopole du privilège masculin. Si la plupart des participantes ne perçoivent pas le web social comme hostile envers les femmes, il en va autrement pour les féministes qui ont été exposées à davantage d’incidents et d’hostilité. Il est proposé de mener d’autres travaux pour mieux comprendre ces expériences subjectives contrastées et ce qu’elles révèlent des rapports de genre dans le web social.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.012 | 0.013 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".