Development and psychometric validation of the Sexual Fantasies and Behaviors Inventory.
Notice bibliographique
Résumé
To date, no measures of sexual fantasies and behaviors have been tested using modern structural equation modeling techniques. A total of 4,280 adults from the U.S., U.K., Canada, and Ireland completed a measure of diverse (paraphilic and normophilic) sexual fantasies and behaviors. Data were randomly split in half for a two-part analysis. First, an exploratory factor analysis (EFA) was performed to reduce the item pool and determine general factor structure. Second, we tested several models using confirmatory factor analysis (CFA) and exploratory structural equation modeling (ESEM). These were followed by tests of measurement invariance (based on sex and sexual orientation) and criterion validity. For both the fantasies and behaviors, bifactor ESEMs were the most appropriate models. Similar specific factors emerged: (a) normophilia, (b) rough sex, (c) interest of intrusion, (d) assuming power, and (e) relinquishing power. Findings suggest that sexual interests show a hierarchical measurement structure. Males and nonheterosexuals had higher general fantasy scores; nonheterosexuals had higher general behavior scores. Heterosexuals generally scored lower than nonheterosexuals. Fantasy and behavior scores were positively related to Dark Triad traits and sociosexuality, and there were weak or no relationships with depression and anxiety. Results support the psychometric validation of the Sexual Fantasies and Behaviors Inventory. Strengths of this study include a large nonclinical sample with relevant psychological correlates and the use of modern psychometric methods. However, the use of an internet sample with self-report measures may be unrepresentative, although the internet has the advantage of being able to recruit from stigmatized groups. (PsycInfo Database Record (c) 2022 APA, all rights reserved).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».