A latent class analysis of attitudes concerning the acceptability of intimate partner violence in rural Senegal
Notice bibliographique
Résumé
BACKGROUND: Research concerning the causes and consequences of intimate partner violence (IPV), particularly in less developed areas of the world, has become prominent in the last two decades. Although a number of potential causal factors have been investigated the current consensus is that attitudes toward IPV on the individual level, likely representing perceptions of normative behavior, and the normative acceptability of IPV on the aggregate level likely play key roles. Measurement of both is generally approached through either binary indicators of acceptability of any type of IPV or additive composite indexes of multiple indicators. Both strategies imply untested assumptions which potentially have important implications for both research into the causes and consequences of IPV as well as interventions aimed to reduce its prevalence. METHODS: Using survey data from rural Senegal collected in 2014, this analysis estimates latent class measurement models of attitudes concerning the acceptability of IPV. We investigate the dimensional structure of IPV ideation and test the parallel indicator assumption implicit in common measurement strategies, as well as structural and measurement invariance between men and women. RESULTS: We find that a two-class model of the acceptability of IPV in which the conditional probability of class membership is allowed to vary between the sexes is preferred for both men and women. Though the assumption of structural invariance between men and women is supported, measurement invariance and the assumption of parallel indicators (or equivalence of indicators used) are not. CONCLUSIONS: Measurement strategies conventionally used to operationalize the acceptability of IPV, key to modeling perceptions of norms around IPV, are a poor fit to the data used here. Research concerning the measurement characteristics of IPV acceptability is a precondition for adequate investigation of its causes and consequences, as well as for intervention efforts aimed at reducing or eliminating IPV.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».