Simple Science

Scienza all'avanguardia spiegata semplicemente

# Informatica# Computer e società# Apprendimento automatico

Affrontare la violenza domestica maschile in Bangladesh

Uno studio mette in evidenza le complessità della violenza domestica maschile in Bangladesh.

― 7 leggere min


Uomini Vittime diUomini Vittime diViolenza Domesticain Bangladesh.Illuminando l'abuso domestico maschile
Indice

La violenza domestica è spesso vista come un problema che coinvolge principalmente le donne come vittime, ma anche gli uomini possono essere vittime. In Bangladesh, la violenza domestica maschile (MDV) è un argomento che non ha ricevuto abbastanza attenzione. Questo studio mira a esaminare la prevalenza e le caratteristiche della MDV in Bangladesh, cercando di capire cosa succede agli uomini che subiscono questo tipo di Abuso. Le ricerche precedenti si sono per lo più concentrate sulle vittime femminili, lasciando un notevole vuoto di conoscenza riguardo agli uomini vittime.

Comprendere la Violenza Domestica

La violenza domestica avviene quando un partner in una relazione usa il potere e il controllo per danneggiare l'altro. Può manifestarsi in molte forme, inclusi attacchi fisici, abusi emotivi, controllo finanziario e persino violenza sessuale. L'abuso può influenzare la salute e l'immagine di sé di una persona. Anche se l'abuso domestico contro gli uomini è stato documentato, spesso non viene riconosciuto, portando a sentimenti di isolamento e vergogna. Le norme culturali e le aspettative di genere in Bangladesh spesso spingono i maschi a rimanere in silenzio, poiché la società tende a vedere gli uomini come forti e non influenzati da tali problemi.

Il Contesto in Bangladesh

In Bangladesh, le norme sociali radicate nel patriarcato spesso relegano le discussioni sulla vittimizzazione maschile sullo sfondo. L'abuso che gli uomini subiscono dai propri partner viene raramente riconosciuto, portando a stigmatizzazione e mancanza di Supporto. Molti uomini non segnalano gli abusi per paura di essere derisi, e i sistemi esistenti sono spesso più orientati a supportare le vittime femminili.

Recenti notizie hanno svelato casi in cui le donne hanno commesso violenze gravi contro gli uomini, ma la risposta della società è stata attenuata. Gli uomini che subiscono questo abuso spesso si sentono senza sbocchi per ricevere aiuto, mancando sia del supporto sociale che di un quadro legale che possa aiutarli.

L'Obiettivo dello Studio

Questo studio è stato progettato per raccogliere informazioni sulle esperienze degli uomini vittime di violenza domestica in Bangladesh. Raccolti dati dalle principali città, l'obiettivo era analizzare i modelli di abuso e identificare fattori demografici che possono contribuire alla probabilità di vittimizzazione maschile. Abbiamo utilizzato vari metodi di analisi, inclusi modelli di machine learning tradizionali, per trarre spunti dai dati.

Metodologia di Ricerca

Per raccogliere dati, abbiamo condotto un'indagine approfondita coinvolgendo partecipanti di vari background nelle principali città del Bangladesh. L'indagine ha esplorato diverse dimensioni della violenza domestica, inclusa età, istruzione, reddito, natura dell'abuso e la sua frequenza. L'obiettivo era raccogliere sia informazioni qualitative che quantitative per formare una comprensione complessiva della MDV.

Ci siamo concentrati specificamente su come diversi fattori-personali, sociali ed economici-interagiscono con le esperienze di violenza domestica contro gli uomini. Questa esplorazione mira a identificare gruppi a rischio più elevato e migliorare la Consapevolezza del problema.

Raccolta Dati

Il nostro studio ha coinvolto un'indagine su 2.000 uomini provenienti da diversi centri urbani del Bangladesh, inclusi Dhaka, Chittagong e Sylhet. La maggior parte delle domande nel sondaggio richiedeva risposte semplici sì/no, permettendoci di quantificare efficacemente i dati. La riservatezza di ciascun partecipante è stata mantenuta rigorosamente, e sono stati informati sullo scopo della ricerca prima di partecipare.

Analisi dei Dati

I dati raccolti sono stati sottoposti ad un'analisi approfondita per identificare tendenze e modelli. Una sfida significativa incontrata durante questo processo è stata l'imbalance di classe, con molti più casi di abuso identificati rispetto ai casi di non-abuso. Per affrontare questo problema, abbiamo utilizzato varie tecniche analitiche, inclusa l'analisi esplorativa dei dati (EDA) e metodologie di machine learning.

L'EDA ha aiutato a visualizzare i dati, rendendo più facile individuare correlazioni tra diverse variabili. Questa analisi ha rivelato vari fattori significativi legati alla violenza domestica maschile, come i livelli di reddito, le strutture familiari e le dinamiche relazionali.

Modelli di Machine Learning

Per prevedere efficacemente i casi di MDV, abbiamo applicato diversi metodi di machine learning. Questo ha comportato prima il test di classificatori tradizionali, seguiti da modelli di deep learning e tecniche di ensemble. Tra i modelli testati, abbiamo valutato la regressione logistica, gli alberi decisionali, le foreste casuali, il gradient boosting e altro.

Ogni modello è stato valutato in base a accuratezza, precisione, richiamo e punteggio F1. Il modello CatBoost, in particolare, ha mostrato le migliori prestazioni, raggiungendo un'accuratezza del 76%. I punti di forza di questo modello includono la capacità di gestire efficacemente i dati categorici e i valori mancanti.

Risultati Chiave

I nostri risultati indicano che la violenza domestica maschile è un problema complesso e multifattoriale. I modelli di abuso variavano in base a diversi fattori, inclusa la localizzazione geografica, l'età, il livello di istruzione e il tipo di famiglia. Ad esempio, gli uomini con background educativi più alti hanno sperimentato tassi di abuso più bassi, mentre quelli in fasce di reddito più basse erano più vulnerabili.

Inoltre, la natura dell'abuso era prevalentemente verbale, anche se erano comuni anche abusi fisici ed emotivi. Abbiamo scoperto che la dipendenza finanziaria ha spesso giocato un ruolo significativo nelle dinamiche dell'abuso, con uomini disoccupati che affrontavano tassi più elevati di violenza domestica.

Implicazioni dello Studio

I risultati evidenziano l'urgente necessità di campagne di sensibilizzazione complete e interventi politici che affrontino specificamente la violenza domestica maschile. C'è un bisogno pressante di riforme legali che garantiscano che le vittime maschili ricevano lo stesso supporto offerto alle vittime femminili.

Raccomandazioni

  1. Quadri Legali: Dovrebbero essere stabilite nuove politiche per proteggere le vittime maschili di violenza domestica. Questo include coprire le vittime maschili all'interno delle leggi esistenti e garantire che i loro diritti siano tutelati.

  2. Campagne di Sensibilizzazione: Le campagne di sensibilizzazione pubblica dovrebbero concentrarsi sulle realtà della violenza domestica contro gli uomini. Queste campagne dovrebbero sfidare le norme sociali e sottolineare che anche gli uomini possono essere vittime di abuso.

  3. Sistemi di Supporto: È essenziale costruire reti di supporto per le vittime maschili. Questo include l'istituzione di servizi di consulenza che forniscano uno spazio sicuro per gli uomini per discutere delle loro esperienze senza paura di giudizio.

  4. Formazione dei Professionisti: È cruciale formare le forze dell'ordine e i professionisti della salute su come gestire i casi di violenza domestica maschile in modo sensibile ed efficace.

  5. Ulteriore Ricerca: È necessaria più ricerca per comprendere meglio le cause e gli impatti della MDV. Gli studi futuri dovrebbero concentrarsi su una popolazione più ampia e diversificata, comprese le aree rurali, per catturare l'intera portata del problema.

Conclusione

Questo studio fa luce su un problema spesso trascurato della violenza domestica maschile in Bangladesh. Sottolineando le complessità riguardanti la vittimizzazione maschile, invita all'azione per affrontare queste sfide critiche. I risultati enfatizzano la necessità di cambiamenti nella percezione pubblica, nelle politiche e nei quadri legali per garantire che tutte le vittime di violenza domestica ricevano l'aiuto e il supporto di cui hanno bisogno.

Man mano che la società diventa più consapevole della natura multifattoriale della violenza domestica, può cominciare a abbattere le barriere che impediscono agli uomini di chiedere aiuto. La nostra ricerca funge da base per comprendere la MDV e i passi necessari verso la creazione di una società più sicura e più equa per tutti.

Continuando a indagare su questa questione urgente, possiamo contribuire a una comprensione più completa e a interventi migliorati per le vittime maschili di violenza domestica, portando infine a un cambiamento positivo in Bangladesh e oltre.

Disponibilità dei Dati

Il dataset raccolto per questo studio è disponibile per ulteriori esplorazioni, fornendo una risorsa preziosa per coloro che sono interessati ad esaminare le dinamiche della violenza domestica maschile in Bangladesh.

Fonte originale

Titolo: Analyzing Male Domestic Violence through Exploratory Data Analysis and Explainable Machine Learning Insights

Estratto: Domestic violence, which is often perceived as a gendered issue among female victims, has gained increasing attention in recent years. Despite this focus, male victims of domestic abuse remain primarily overlooked, particularly in Bangladesh. Our study represents a pioneering exploration of the underexplored realm of male domestic violence (MDV) within the Bangladeshi context, shedding light on its prevalence, patterns, and underlying factors. Existing literature predominantly emphasizes female victimization in domestic violence scenarios, leading to an absence of research on male victims. We collected data from the major cities of Bangladesh and conducted exploratory data analysis to understand the underlying dynamics. We implemented 11 traditional machine learning models with default and optimized hyperparameters, 2 deep learning, and 4 ensemble models. Despite various approaches, CatBoost has emerged as the top performer due to its native support for categorical features, efficient handling of missing values, and robust regularization techniques, achieving 76% accuracy. In contrast, other models achieved accuracy rates in the range of 58-75%. The eXplainable AI techniques, SHAP and LIME, were employed to gain insights into the decision-making of black-box machine learning models. By shedding light on this topic and identifying factors associated with domestic abuse, the study contributes to identifying groups of people vulnerable to MDV, raising awareness, and informing policies and interventions aimed at reducing MDV. Our findings challenge the prevailing notion that domestic abuse primarily affects women, thus emphasizing the need for tailored interventions and support systems for male victims. ML techniques enhance the analysis and understanding of the data, providing valuable insights for developing effective strategies to combat this pressing social issue.

Autori: Md Abrar Jahin, Saleh Akram Naife, Fatema Tuj Johora Lima, M. F. Mridha, Jungpil Shin

Ultimo aggiornamento: 2024-03-22 00:00:00

Lingua: English

URL di origine: https://arxiv.org/abs/2403.15594

Fonte PDF: https://arxiv.org/pdf/2403.15594

Licenza: https://creativecommons.org/licenses/by/4.0/

Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.

Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.

Altro dagli autori

Articoli simili