Warmth, Competence, and Blame: Examining Mothers of Sexually Abused Children Within the Stereotype Content Model
Notice bibliographique
Résumé
Research shows that nonoffending mothers are frequently held at fault for child sexual abuse (CSA), by both society and professionals, with contradictory explanations for the fault. For example, the same maternal characteristic can be used to assign blame or alleviate blame (i.e., single mothers have been held more at fault for their child's CSA and less at fault). The purpose of this study was to assess a theoretically based model that could account for these different reasons. We tested the stereotype content model (SCM), which examines the content of stereotypes toward target groups, by focusing on perceptions of that group's levels of warmth and competence. We sampled 136 undergraduate participants who read a vignette describing CSA, and completed the SCM with the mother of the victim as the target, and measures of mother fault. Our results showed that participants fell into three SCM groups of mother fault: (a) Moderate Contemptuous Prejudice (i.e., low competence, low warmth); (b) Admiration (i.e., moderate competence, high warmth); and (c) Very Contemptuous Prejudice (i.e., very low competence, very low warmth). Each cluster also held unique emotions toward the mother, as predicted by the SCM. Results further showed that assigned levels of fault were significant, but that fault did not vary by SCM group, lending support to the ideas that the SCM can be applied to this group and that different participants assign fault for different reasons.
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 | 0,001 | 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 | 0,000 | 0,002 |
| 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 ».