MétaCan
Menu
Retour à la cohorte
Enregistrement W2555637160 · doi:10.1089/cyber.2016.0364

Cyberpornography: Time Use, Perceived Addiction, Sexual Functioning, and Sexual Satisfaction

2016· article· en· W2555637160 sur OpenAlexaff
Sarah Blais-Lecours, Marie‐Pier Vaillancourt‐Morel, Stéphane Sabourin, Natacha Godbout

Notice bibliographique

RevueCyberpsychology Behavior and Social Networking · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueSexuality, Behavior, and Technology
Établissements canadiensUniversité du Québec à MontréalUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPornographyPsychologyAddictionDistressClinical psychologyMediationPath analysis (statistics)Developmental psychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Using pornography through the Internet is now a common activity even if associated sexual outcomes, including sexual satisfaction, are highly variable. The present study tested a two-step sequential mediation model whereby cyberpornography time use is related to sexual satisfaction through the association with, in a first step, perceived addiction to cyberpornography (i.e., perceived compulsivity, effort to access, and distress toward pornography) and with, in a second step, sexual functioning problems (i.e., sexual dysfunction, compulsion, and avoidance). These differential associations were also examined across gender using model invariance across men and women. A sample of 832 adults from the community completed self-report online questionnaires. Results indicated that 51 percent of women and 90 percent of men reported viewing pornography through the Internet. Path analyses showed indirect complex associations in which cyberpornography time use is associated with sexual dissatisfaction through perceived addiction and sexual functioning problems. These patterns of associations held for both men and women.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,313
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations102
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCyberpsychology Behavior and Social NetworkingMême sujetSexuality, Behavior, and TechnologyTravaux en français237 207