MétaCan
Menu
Back to cohort
Record W4316591492 · doi:10.24095/hpcdp.43.4.01f

Recommandations pour le Plan d’action national pour mettre fin à la violence fondée sur le genre : points de vue de dirigeants, de fournisseurs de services et de survivantes dans la plus grande ville du Canada pendant la pandémie de COVID-19

2023· article· fr· W4316591492 on OpenAlexafffundvenueabout
Alexa R. Yakubovich, Bridget Steele, Catherine Moses, Élizabeth Tremblay, Monique Arcenal, Patricia O’Campo, Robín Masón, Janice Du Mont, Maria Huijbregts, Lauren Hough, Amanda Sim, Priya Shastri

Bibliographic record

VenuePromotion de la santé et prévention des maladies chroniques au Canada · 2023
Typearticle
Languagefr
FieldSocial Sciences
TopicIntimate Partner and Family Violence
Canadian institutionsToronto Public HealthMcMaster UniversityWomen's College HospitalCanadian Chiropractic AssociationPublic Health OntarioUniversity of TorontoDalhousie UniversitySt. Michael's Hospital
FundersSt. Michael's Hospital Foundation
KeywordsHumanitiesPolitical scienceArt

Abstract

fetched live from OpenAlex

Introduction Le gouvernement canadien s’est engagé à mettre en oeuvre un Plan d’action national pour mettre fin à la violence envers les femmes. Toutefois, aucun plan officiel de mise en oeuvre n’a été publié. En nous appuyant sur les recommandations déjà formulées et les consultations réalisées, nous avons effectué la première analyse qualitative officielle révisée par des pairs des points de vue de dirigeants, de fournisseurs de services et de survivantes quant aux éléments qui devraient être pris en compte dans le PAN visant à lutter contre la violence envers les femmes. Méthodologie Nous avons réalisé une analyse thématique des données qualitatives de 18 employés des services de lutte contre la violence envers les femmes (11 offrant un soutien direct, 7 occupant un poste de direction) et 10 survivantes à la violence envers les femmes ayant participé à une étude communautaire sur les programmes de lutte contre la violence envers les femmes pendant la pandémie de COVID-19 dans la région du Grand Toronto (Ontario, Canada). Résultats Nous avons formulé 12 recommandations relatives au Plan d’action national pour mettre fin à la violence envers les femmes, recommandations que nous avons organisées selon quatre domaines thématiques : 1) investir dans les services de lutte contre la violence envers les femmes et de soutien en cas de crise (par exemple renforcer les mécanismes de référencement vers les programmes de lutte contre la violence envers les femmes); 2) améliorer les services de soutien structuraux (par exemple investir dans l’ensemble du secteur du logement pour les survivantes à la violence envers les femmes); 3) élaborer des systèmes coordonnés (par exemple renforcer la collaboration entre le système de santé et le système de lutte contre la violence envers les femmes) et 4) mettre en oeuvre et évaluer les stratégies de prévention primaire (par exemple mener une analyse intersectionnelle et tenant compte du genre à propos des politiques sociales et publiques mises en place). Conclusion Dans le cadre de cette étude, nous avons formulé des recommandations, les avons classées par ordre de priorité et avons nuancé les recommandations déjà émises pour le Plan d’action national pour lutter contre la violence envers les femmes en nous fondant sur une analyse rigoureuse des points de vue de survivantes à la violence envers les femmes et d’employés luttant contre la violence envers les femmes dans la plus grande ville au Canada pendant la pandémie de COVID-19. Un plan efficace nécessite des investissements dans les organismes offrant un soutien direct; un accès au logement équitable ainsi que d’autres services de soutien structurel; une coordination stratégique des systèmes de santé, de justice et sociaux et enfin des stratégies de prévention primaires, en particulier une réforme pour des politiques transformatrices de genre.

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 imitation

Not 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.

metaresearch head score (Codex)0.103
metaresearch head score (Gemma)0.141
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.205
Threshold uncertainty score0.548

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.1030.141
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.002
Bibliometrics0.0040.005
Science and technology studies0.0150.008
Scholarly communication0.0140.007
Open science0.0060.007
Research integrity0.0070.010
Insufficient payload (model declined to judge)0.0120.002

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.

Opus teacher head0.035
GPT teacher head0.336
Teacher spread0.301 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations1
Published2023
Admission routes4
Has abstractyes

Explore more

Same venuePromotion de la santé et prévention des maladies chroniques au CanadaSame topicIntimate Partner and Family ViolenceFrench-language works237,207