The development and validation of the motives for feigning orgasms scale
Notice bibliographique
Résumé
Most research on feigning orgasm has focused exclusively on women and on potential predictors of this behaviour, with little attention given to the underlying motives for doing so. There are currently no available scales measuring individuals' motives for feigning orgasm. The purpose of the current research was to develop and validate a scale to assess motives for feigning orgasm among men and women. In Study 1, 53 men and 94 women completed a preliminary version of the Motives for Feigning Orgasms Scale (MFOS). More women (43.1%) than men (17.3%) indicated that that they had pretended to have an orgasm with their current relationship partner. Factor analysis was performed, yielding a six-factor solution (i.e., Intoxication, Partner Self-Esteem, Poor Sex/Partner, Desireless Sex, Timing, and Insecurity). In Study 2, the MFOS was completed by 194 participants. Confirmatory factor analysis was conducted; however this analysis supported three models (i.e., two two-factor models, and one three-factor model). The Sexual Goals Questionnaire, the Behavioural Inhibition System/Behavioural Activation System Scale, and the Sexual Compulsivity Scale were also completed concurrently with the MFOS, and yielded results that supported the MFOS's convergent and discriminant validity. Men were more likely than women to report pretending orgasm due to intoxication, discomfort or displeasure attributable to the sexual experience or to their sexual partner, and feelings of insecurity. No other gender differences on the MFOS's subscales were found. The MFOS is a new comprehensive measure of individuals' motivations for feigning orgasm that can help enhance our understanding of human sexual motivation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».