Non-suicidal self-injury, attachment, emotion regulation and childhood trauma in university students
Notice bibliographique
Résumé
Cette étude examinera les risques d'être auto-blessant en comparant un groupe d'étudiant universitaire qui exerce cette pratique contre un groupe contrôle sous les paramètres de l'attachement, du contrôle de ses émotions et le traumatisme d'enfance. L'échantillon fut composé de 1400 étudiants universitaires (364 mâles, 1036 femelles; M = 19.76), qui ont rempli un questionnaire préliminaire dans le cadre d'un projet plus général qui vise les stratégies d'ajustement. Ceux qui furent identifiés en tant qu'auto-blessant et qui étaient intéressés à poursuivre cette étude (N = 55; 6 mâles, 49 femelles) ont reçu un suivi, avec un groupe contrôle, examinant les facteurs risques d'être auto-blessant. Trois MANOVA furent utilisés et plusieurs effets multivariables ont été trouvés pour l'attachement et le contrôle d'émotion mais aucune pour les traumatismes d'enfance. Des effets univariables furent examinés pour l'attachement et le contrôle d'émotion démontrant d'importantes différences d'un groupe à l'autre, avec l'exception des facteurs de sécurité pour l'attachement et des facteurs de consciences émotionnelles pour le contrôle d'émotion.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».