What leads victims to resist? Factors that influence victim resistance in sexual assaults
Notice bibliographique
Résumé
Purpose Victim resistance has been shown to have an important impact on the outcome of sexual assaults. Thus, the factors that affect a victim’s likelihood of various levels of resistance are relevant to consider, given the possibly detrimental effect these actions can have on crime outcome. While not intended to blame the victim in any way, it is important to examine the role the victim plays within a sexually coercive interchange in order to completely understand the sex crime event and, thus, be able to inform potential victims as to the patterns that increase resistance and, potentially, overall violence. The paper aims to discuss this issue. Design/methodology/approach Sequential logistic regression analyses were conducted on a sample of 613 sex offenses (incorporating both adult and child victims) to examine the individual and combined effects of offender lifestyle, disinhibitors, victim vulnerability, situational impediments and offender modus operandi on victim resistance levels. Findings Results suggest that indicators of offender mindset are significant, particularly the use of pornography prior to the crime, and affect victim interpretation and response to the offender’s actions during the course of the assault. Other relevant factors include the victim’s age and the degree of violence present in the offender’s approach and subsequent offending strategies. Originality/value This information would be helpful to incorporate into victim education programs so that past and future potential victims can better understand the criminal event and the causes and effects of their own actions within that event.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».