De victimes à « coauteures » ? La place des femmes dans les stages de responsabilisation pour auteurs de violences conjugales en France
Bibliographic record
Abstract
Dans la plupart des pays ayant criminalisé les violences conjugales, la question des agressions dites « réciproques » se pose. Dénoncées par des spécialistes féministes, ces situations correspondent souvent à des gestes réactifs d’autodéfense de la part des femmes. Pourtant, qualifier pénalement la légitime défense demeure une tâche complexe. En France, des femmes condamnées pour violences au sein du couple peuvent être obligées de réaliser des stages de responsabilisation pour auteurs de violences conjugales (RAVC). Cet article présente les résultats d’une enquête qualitative exploratoire basée sur 23 entretiens, avec des professionnels et professionnelles sociojuridiques (n = 18) en lien avec ces mesures ainsi qu’avec des femmes victimes (n = 5) ayant reçu une convocation pour y participer en tant qu’auteures. Leurs récits révèlent les effets de la victimisation secondaire subie, exemple paradigmatique des violences de genre institutionnelles. Quant aux professionnels, la mixité dans les stages semble être à l’origine d’un certain « malaise » qui pourtant coexiste avec des discours prônant la neutralité du droit face aux violences conjugales.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".