Risk and Protective Factors for Men’s Sexual Violence Against Women at Higher Education Institutions: A Systematic and Meta-Analytic Review of the Longitudinal Evidence
Notice bibliographique
Résumé
Sexual violence among higher education institution (HEI) students is a growing public health concern. To date, there is little evidence on how to effectively prevent sexual violence among this demographic. This study is the first systematic review to meta-analyze all available evidence for risk and protective factors of sexual violence perpetrated by men at HEIs. We searched four electronic databases and multiple gray literature sources. We screened studies using prespecified selection criteria for the sample (HEI students who identify as men), outcome (sexual violence perpetration against peers), and study design (quantitative and longitudinal). Longitudinal studies provide the most rigorous available evidence on risk and protective factors. We identified 16 studies and meta-analyzed eight different risk factors: alcohol consumption, hostility toward women, delinquency, fraternity membership, history of sexual violence perpetration, rape myth acceptance, age at first sex, and peer approval of sexual violence. We deemed included studies to have a varied risk of bias and the overall quality of evidence to range from moderate to high. History of sexual violence perpetration (perpetration prior to entering an HEI) emerged as the strongest predictor of sexual violence perpetration at HEIs, complicating the notion that HEI environments themselves foster a culture of sexual violence. Peer support for sexual violence predicted perpetration while individual rape-supporting beliefs did not. Our findings suggest that interventions targeting peer norms (e.g., bystander interventions) and early sexual violence prevention and consent interventions for high school and elementary school students could be effective in reducing and preventing sexual violence at HEIs.
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 | 0,018 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,028 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».