From social adversity to sympathy for violent radicalization: the role of depression, religiosity and social support
Notice bibliographique
Résumé
BACKGROUND: Discrepancies among studies suggest that the relation between social adversity and sympathy for violent radicalization (SVR) is multifaceted and may differ according to social context. This paper examines the role of depression, religiosity and social support in the relation between social adversity (i.e., discrimination and exposure to violence) and SVR among college students in Quebec, Canada. METHODS: A total of 1894 students responded to an online questionnaire posted on the internet of eight colleges. Multilevel analyses were first conducted to account for the clustered nature of the data, followed by mediation and moderation analyses. RESULTS: First generation migrants reported less SVR than second generation youth and non-immigrants. The mediating and/or moderating role of depression, religiosity and social support was examined through causal inference models. Depression mediated the relation between social adversity and SVR, with depression scores accounting for 47% and 25% of the total effect between discrimination and exposure to violence and SVR scores, respectively. Religiosity and social support moderated the association between social adversity and SVR. CONCLUSIONS: These results suggest that prevention programs should consider violent radicalization as a systemic issue which involves both minorities and the majority, although the specific balance between risk and protective factors may be influenced by local dynamics. They also question intervention measures targeting specifically migrants or ethno-cultural communities because of the risk of increasing profiling and stigmatization. Prevention programs should prioritize decreasing discrimination in colleges, as well as the provision of psychosocial support to depressed youth who experience social adversity.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».