PW 0417 A three-step gendered latent class analysis on dating victimization profiles: correlates with family and peer contextual risk factors, injuries and mental health
Notice bibliographique
Résumé
The purpose of this study was to identify patterns of teen dating victimization among boys and girls and examine their association with family and peer contextual risk factors and injuries and mental health indicators. As part of the population-based Youths’ Romantic Relationships Project, 8 230 high school students were questioned about their victimization experiences. Latent class analysis was used to identify classes for both girls and boys. Latent class analysis identified a best fitting model of three classes for girls: Low victimization (61% of girls), Sexual and psychological violence (27%) and Multiple victimization (12%). Similarly for boys, three classes were identified including a Low victimization (84% of boys), a Multiple victimization (9%) and an Unwanted sexual contacts and psychological violence (7%). Associations between class membership and family and peer contextual risk factors and mental health indicators revealed more distinctive features among classes for girls than for boys. Confirming our hypothesis, both genders in the Multiple violence class reported experiencing the most injuries (e.g., bruise or cut, pain the next day or need of a medical appointment). A history of childhood interpersonal traumas was significantly related to classes of dating victimization, suggesting that different forms of child abuse (neglect, exposure to interparental violence, physical or sexual abuse) are associated with a heightened risk of revictimization in the context of their first romantic relationships. Our findings suggest that child sexual abuse may act as a specific vulnerability factor for more pervasive forms of TDV for girls. The findings highlight the utility of a person-oriented approach to enhance our understanding of the diversity of victimization experiences in the context of teen romantic relationships. Results also underscore the importance of tailoring prevention efforts to efficiently tackle teen dating violence and the relevance of trauma-informed practices.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».