L’intervention féministe en maison d’hébergement pour femmes en contexte pandémique
Bibliographic record
Abstract
Cet article présente des résultats tirés d’une étude en partenariat avec la Fédération des maisons d’hébergement pour femmes (FMHF). Cette étude voulait mieux comprendre les effets de la pandémie de la COVID-19 sur les services d’intervention féministe offerts aux femmes, sur les pratiques de gestion féministe, sur les collaborations et sur la défense collective des droits et les représentations politiques. Quarante-trois participantes ont pu faire entendre leur voix dans le cadre de 12 groupes de discussion ; 18 directrices, 5 coordonnatrices, 14 intervenantes, 3 usagères des services et 3 membres de la permanence ont été rencontrées dans le cadre de ces groupes de discussion. Une analyse de contenu émergent a révélé qu’une solidarité régionale et provinciale s’est orchestrée afin de faire reconnaître les maisons d’hébergement comme étant essentielles et de maintenir les services. Les liens se sont pourtant fissurés dans le contexte où les services se sont resserrés afin de préserver des équipes d’intervenantes fragilisées, laissant des femmes marginalisées derrière, alors que les efforts se sont centrés vers la prévention des féminicides et la lutte contre la violence conjugale.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.003 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".