Survivre à la violence organisée : parcours et témoignage de deux femmes rwandaises
Bibliographic record
Abstract
Ce mémoire de maîtrise porte sur la survivance des femmes en contexte de violence organisée. Notre recherche s’appuie sur le témoignage de deux femmes rwandaises réfugiées au Canada dont le récit sera exploré afin de comprendre leurs points de vue sur trois dimensions de la survivance : la victimisation et la revictimisation qu’elles ont subi, les actes qu’elles ont pu poser pour survivre et le sens qu’elles ont donné aux situations vécues. D’abord, ces femmes rapportent qu’au-delà du génocide de 1994, elles ont vécu dans un climat d’insécurité, d’incertitude et d’impunité durant la guerre au Rwanda (1990-1994) et en exil, durant la guerre qui a visé le renversement de Mobutu, le massacre des ressortissants rwandais et le pillage des ressources naturelles par l’AFDL. Leurs récits confirment donc la continuité de la violence organisée d’un régime politique à un autre. De plus, les femmes témoignent de la non-reconnaissance de leur statut de réfugié par les bureaux qui traitent outre-mer les demandes d’asile, du traitement déshumanisant et accusateur des administrateurs de l’aide humanitaire et, de manière plus importante, de la non-reconnaissance des crimes commis par les forces armées du gouvernement actuellement au pouvoir au Rwanda et de leur impunité. Ensuite, les témoignages recueillis montrent des actrices sociales engagées dans l’activisme politique, l’action collective, la protection, la sécurité, la survie et l’établissement de leurs proches, du début du conflit jusqu’à leur arrivée au Canada. En effet, pour surmonter les difficultés engendrées par la violence organisée, elles ont mobilisé et transformé de manière créative toutes les ressources de leur capital humain, social et économique pour subvenir aux besoins de leurs proches et de leur communauté, et ce, tout au long de leur parcours migratoire. Enfin, au sujet du sens, nous verrons d’une part comment les femmes conçoivent leurs expériences individuelles de souffrances comme une histoire de victimisation collective, ce qui semble les aider à normaliser leurs expériences. D’autre part, nous verrons comment une identité de femmes fortes, résilientes et capables de s’adapter dans un climat d’adversité se dégage de leur témoignage, ce qui semble favoriser chez elles un sentiment de cohérence, de continuité et nourrir une certaine fierté.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.003 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".