Reconnaître les formes d’injustices épistémiques dans les parcours expérientiels de violences sexuelles d’étudiantes : étude de cas de l’Université de Moncton
Bibliographic record
Abstract
Dans le contexte universitaire, les femmes courent davantage le risque de vivre une forme ou une autre de violence sexuelle. Afin de comprendre cette réalité, les autrices ont retenu l’Université de Moncton pour leur étude de cas. Ainsi, les résultats qualitatifs d’une recherche menée en 2016-2018 sur les expériences de consentement et de non-consentement d’étudiantes et d’étudiants ont été comparés à ceux des récits de l’Enquête sexualité, sécurité et interactions en milieu universitaire conduite à l’Université de Moncton en 2021-2022. Pour approfondir les parcours expérientiels des personnes visées, les autrices ont utilisé le cadre théorique de l’injustice épistémique. Leurs analyses permettent de mettre en évidence deux formes d’injustice épistémique, soit l’injustice testimoniale et l’injustice herméneutique. Les autrices proposent donc une réflexion sur la façon dont le parcours expérientiel est touché par l’une ou l’autre forme, ce qui permettra de rendre visible, à travers le discours des répondantes et des répondants, le rôle des institutions dans la réification de situations injustes.
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 | 0.013 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.013 | 0.014 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.010 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".