Mulheres pretas e pardas: vulnerabilidades ocorridas de 2010 a 2018 no extremo sul baiano
Bibliographic record
Abstract
A violência altera a sociedade de inúmeras formas, sendo desproporcional em relação às mulheres, principalmente, pretas e pardas em situação de vulnerabilidade, o que as deixam propensas a marcas que influenciam seu cotidiano. Objetivou-se com esta temática analisar a prevalência de violência doméstica, sexual e/ou outras condicionantes em mulheres pretas e pardas no período de 2010 a 2018, no extremo sul baiano. Para a concretude da presente pesquisa, no campo metodológico optou-se pela abordagem epidemiológica, transversal, descritiva por meio das informações secundarias fornecidas pelo Ministério da Saúde na base de dados DATASUS, avaliando o estado e a macrorregião do Extremo Sul, correlacionando com o número de violência psicológica/moral em ambos. Ao adentrar as questões que nortearam este estudo, percebeu-se que diante do universo pesquisado os resultados evidenciam um número de casos crescentes, sendo 873 casos em 2010 para 25.872 em 2018 no estado, quando analisada a macrorregião, houve um total de 1.751 casos, quanto à violência psicológica/moral, o pico máximo ocorreu em 2018, em ambas as regiões; o estudo mostra um aumento exorbitante da violência no que se concerne às mulheres pretas e pardas em situação de risco na Bahia, sobretudo na macrorregião. Conclui-se que é necessário um aumento de medidas que vise maior amparo e cuidado às vítimas, uma vez que o lar é "lugar mais perigoso para essas mulheres", o que culmina, frequentemente em violência de longa duração.
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 | 0.001 | 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 | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".