How university policymakers problematize sexual violence on their campus: a policy discourse analysis
Bibliographic record
Abstract
Au cours des cinq dernières années, une combinaison de l'attention des médias, le militantisme étudiant, et les législations provincial à propos la violence sexuelle aux universités canadienne a incité plusieurs universités à développer des politiques de la violence sexuelle. Des universités qui ont élaboré des politiques, chacun a assemblé une combinaison différente d'intervenants et professionnels d'écrire leur politique respective. Ces décideurs politiques peuvent attirer leurs informations de les sources varié comme leurs expériences professionnelles ou universitaires, les statistiques de la criminalité sur le campus, les forces d'intervention, la littérature académique, le droit, la législation provinciale, les recommandations d'organisations militantes, la contexte politiques d'établissements semblables aux États-Unis et d'autres pays, la presse et leurs propres expériences de violence sexuelle. Un large éventail de décideurs politiques et de sources d'information est susceptible de produire des perspectives divergentes dans le discours, en particulier sur la définition du problème politique et les meilleures méthodes de réponse. Les idées dominantes dans un discours vont déterminer le contenu d'une politique et la politique formuler le plan d'intervention de l'institution. Par conséquent, une évaluation des idées qui dominent le discours et qui fait la promotion de ces idées est important de comprendre comment une institution politique gouvernementale est développé. Cette thèse présente une étude de cas de neuf décideurs politique (trois étudiants, trois administrateurs et trois professeurs) d'une grande université canadienne. Les résultats révèlent la façon dont les décideurs politique définissent le problème de la violence sexuelle sur le campus, des solutions qu'ils estiment nécessaires, et quelles sources d'information qu'ils utilisent pour interpréter les discours. Les vues dominantes dans le discours et leur effet sur la politique finale sont considérés dans la discussion.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".