Public Stigma Toward Female and Male Opium and Heroin Users. An Experimental Test of Attribution Theory and the Familiarity Hypothesis
Notice bibliographique
Résumé
Drug abuse and addiction exist around the world. People addicted to drugs such as opium or heroin often encounter dehumanizing discriminatory behaviors and health-care systems that are reluctant to provide services. Experiencing discrimination often serves as a barrier to receiving help or finding a home or work. Therefore, it is important to better understand the mechanisms that lead to the stigmatization of drug addiction and who is more prone to stigmatizing behaviors. There is also a dearth of research on whether different patterns of stigma exist in men and women. Therefore, this study investigated factors affecting gender-specific stigmatization in the context of drug addiction. In our vignette study ( N Mensample = 320 and N Womensample = 320) in Iran, we experimentally varied signals and signaling events regarding a person with drug addiction (i.e., N Vignettes = 32 per sample), based on Attribution Theory, before assessing stigmatizing cognitions (e.g., blameworthiness), affective responses (e.g., anger), and discriminatory inclinations (e.g., segregation) with the Attribution Questionnaire. We also tested assumptions from the Familiarity Hypothesis by assessing indicators of respondents' familiarity with drug addiction (e.g., knowledge about addiction). Results, for example, show higher stigma if the person used “harder” drugs, displayed aggressive behavior, or had a less controllable drug urge. Self-attributed knowledge about addiction or prior drug use increased some forms of stigma, but diminished others. These findings only partially converged between men and women. We suggest that anti-stigma initiatives should consider information about the stigmatized person, conditions of the addiction, and characteristics of stigmatizers.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».