Expériences de (non-)signalement des violences sexuelles en milieu universitaire : des parcours minés et des issues mitigées1
Bibliographic record
Abstract
Malgré leur prévalence élevée, les violences sexuelles en milieu universitaire demeurent largement sous-signalées. Dans cet article, les auteures décrivent les motifs de (non-)signalement des personnes victimes, et pour celles qui ont signalé la situation, la réponse institutionnelle et les suites de la démarche. L’analyse qualitative de 197 récits révèle le rôle de plusieurs enjeux. Le fait de signaler ou non l’acte de violence sexuelle peut découler d’un sentiment de crainte pour soi et les autres, d’une évaluation des coûts et des bénéfices, et est influencé par un processus de normalisation de la violence. Les rapports inégaux de pouvoir au sein de l’université ajoutent des contraintes supplémentaires au signalement. Ces résultats soutiennent la nécessité de poursuivre le développement de formations obligatoires et de diffusion de messages de sensibilisation qui pourraient améliorer la confiance des personnes victimes envers les établissements.
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 | 0.005 | 0.018 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".