Analyse du concept de la « paix » dans les CVR au moyen de l'approche du gender lens : l'exemple de la Sierra Leone
Bibliographic record
Abstract
Dans les dernières décennies, la justice transitionnelle et ses mécanismes se sont démarqués comme étant des processus opportuns dans lesquels l’intégration d’une lecture genrée de la paix pourrait améliorer la condition des femmes dans les sociétés post-conflit. Plus particulièrement, de nombreuses autrices féministes en matière de doctrine et spécialistes de la justice transitionnelle ont fait valoir l’importance des CVR comme structures permettant de tenir compte du genre dans le cadre des processus de reconstruction de la paix. Pour cette raison, certaines CVR créées récemment, dont la plus reconnue en Sierra Leone, ont tenté d’intégrer une approche de gender lens à leurs structures. Toutefois, alors que l’utilisation d’une approche de gender lens dans les travaux des CVR est certainement importante et continue d’être nécessaire, l’application restreinte de cette approche fait en sorte que les CVR n’ont jusqu’à présent pas réussi à répondre aux besoins des femmes en matière de paix dans les sociétés post-conflit. En utilisant l’exemple de la CVR en Sierra Leone, ce travail avance que les CVR reproduisent des compréhensions masculines de la guerre et de la paix telles qu’elles sont envisagées dans la politique internationale et, par conséquent, dans les mécanismes de justice transitionnelle créés par la communauté internationale. Ainsi, cette vision masculine de la paix empêche les CVR, malgré l’intégration d’une approche de gender lens, de répondre aux besoins particuliers des femmes dans les processus de reconstruction de la paix. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Commission de vérité et de réconciliation, justice transitionnelle, droit international, gender lense, approche féministe, Sierra Leone
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.008 | 0.014 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.004 |
| 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".