Sexual Violence on Campus: No Evidence that Studies Are Biased Due to Self-Selection
Notice bibliographique
Résumé
Numerous research studies suggest that at least one in five female college students is sexually assaulted while enrolled. However, many studies exploring sexual violence prevalence on campus use methodology permitting students to self-select into the study based on interest in the topic (i.e., students receive an email offering them the opportunity to participate in a study on sexual violence). Self-selection may bias these prevalence estimates of campus sexual violence. To explore this issue, we surveyed two samples of college women on their experiences of sexual assault. We recruited Sample 1 in a typical way: by emailing a randomly selected subset of students provided by the university registrar and inviting participation with information about the survey topic. We recruited Sample 2 using a human subjects pool where students in introductory psychology and linguistics courses sign up for studies without prior knowledge about the topic of the research they will participate in (hence greatly minimizing the risk of self-selection). The two samples yielded nearly identical victimization rates. Over a quarter of participants in both our samples had experienced sexual contact without consent, consistent with recent research from the Association of American Universities. College victimization estimates do not appear to be biased by self-selection based on knowledge of the survey topic.
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 | 0,268 | 0,678 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».