L’adhésion aux croyances et préjugés vis-à-vis des violences sexuelles : Facteurs associés chez les étudiants et les étudiantes des milieux universitaires québécois
Notice bibliographique
Résumé
Les taux de prévalence des violences sexuelles (VS) commises à l’endroit des populations étudiantes universitaires américaines et canadiennes varient de 8 % à plus de 60 % lorsque le harcèlement sexuel est pris en compte (Walsh et al., 2010). Actuellement, les programmes de prévention misent sur l’intervention des témoins lors de situations de violence sexuelle en milieu universitaire (VSMU). Cependant, l’acte d’intervenir afin de contrer une situation de VS serait en partie basé sur les croyances et préjugés vis-à-vis des violences sexuelles (CPVS) des témoins (Amar et al., 2012). En effet, l’adhésion à des CPVS qui culpabilisent les victimes, banalisent les gestes de VS ou déresponsabilisent les auteurs de ces gestes chez les témoins diminuent la probabilité qu'ils interviennent afin de protéger la victime de VS (McMahon et Banyard, 2012). L’objectif de la présente étude était d’identifier les facteurs associés (par ex.: genre, âge, orientation sexuelle, cycle universitaire, minorité visible) à l'adhésion à de telles croyances auprès des étudiants et étudiantes en milieu universitaire québécois (n = 5 989). Les résultats de cette étude permettent d’identifier des facteurs associés à plus de risque d’adhérer aux CPVS, soit être un homme, s’identifier comme appartenant à une minorité visible, avoir 18 à 25 ans (comparativement à 26 ans et plus), être au 1er cycle universitaire ainsi qu’être victime de coercition sexuelle. Les facteurs qui ressortent dans les analyses comme étant négativement associés à l'adhésion aux CPVS sont les femmes, les personnes issues des minorités de genre, ceux et celles appartenant à la diversité sexuelle, les personnes confidentes d’une VSMU et les victimes de harcèlement sexuel. Les résultats de cette étude mettent pour une première fois en lumière les différents facteurs associés à l’adhésion aux CPVS chez les populations étudiantes québécoises. Ces résultats indiquent par le fait même les caractéristiques des personnes susceptibles de bénéficier le plus des efforts de sensibilisation. Enfin, les résultats pourront permettre aux programmes de prévention de la VSMU d’orienter leurs efforts vers les sous-groupes de personnes plus enclins à adhérer à ce type de croyances en adaptant, par exemple, les programmes de prévention basés sur l'intervention des témoins actifs.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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; les deux têtes enseignantes 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 ».