Signalement d’une situation de violence sexuelle à l’université : l’importance du soutien dans l’expérience des personnes victimes
Bibliographic record
Abstract
La prévalence élevée des violences sexuelles en milieu d’enseignement supérieur (VSMES) et leur sous-signalement sont bien documentés. Or, nous avons peu d’informations récentes sur l’expérience vécue des personnes qui signalent des VSMES à leur université et dans quelle mesure les services ou ressources de l’établissement répondent à leurs besoins. La présente étude vise à mieux comprendre les expériences de personnes ayant subi des VSMES et ayant signalé la situation à leur établissement; elle éclaire particulièrement sur les éléments facilitants et les contraintes durant leur parcours de signalement. L’échantillon compte 22 personnes francophones provenant de sept universités canadiennes, dont 18 personnes étudiantes. La notion de soutien social ressort comme un élément central et transversal en ce qui concerne tant les éléments facilitants que les obstacles. Dans les témoignages, le soutien ne relève pas exclusivement des équipes d’intervention mandatées par les universités pour l’accompagnement des personnes victimes; le soutien est à envisager tout au long du parcours de signalement, car il implique une pluralité de ressources universitaires, dont les services étudiants. Concernant les obstacles, les plus fréquents sont ceux faisant référence aux dimensions organisationnelles ou structurelles de l’université et à la perception négative de la réponse institutionnelle, soit deux enjeux pour lesquels les établissements disposent d’une marge de manœuvre en vue d’améliorer les services de soutien. Les résultats appuient des propositions pour améliorer les pratiques actuelles d’accompagnement des personnes touchées par ces violences, ainsi que les formations destinées à l’ensemble de la communauté universitaire.
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 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".