The Effectiveness of College Dating Violence Prevention Programs: A Meta-Analysis
Notice bibliographique
Résumé
Due in part to their involvement with social activities on campus, college students experience an increased risk of dating violence. Recent legislation such as the Campus SaVE Act (which requires U.S. colleges to offer training on sexual assault, domestic violence, stalking, and sexual harassment to all incoming students) has contributed to the increase in prevention programming offered across postsecondary campuses, as well as subsequent research examining the effectiveness of these prevention efforts. The current study provides a systematic review and meta-analysis of college dating violence prevention programs. A systematic search of 28 databases and numerous gray literature sources identified an initial 14,540 articles of which 315 were deemed potentially eligible for inclusion. Studies were selected if they (1) evaluated a college dating prevention program/campaign, (2) reported one of five outcomes (knowledge, attitudes, or bystander efficacy, intentions, or behavior), (3) had a minimum sample size of 20 in the treatment group, (4) used a pre/post and/or comparison group design, and (5) were published in English or French between January 2000 and October 2020. We calculated 53 effect sizes from 31 studies and conducted separate meta-analyses on various categories of outcome measures. Findings suggest that college dating violence prevention programs are effective at increasing knowledge and attitudes toward dating violence, as well as bystander skills, but are not effective at increasing bystander behaviors. Findings from moderator analyses suggest that several program components influence the strength of treatment effects. Implications for improving the effectiveness of college dating violence prevention programs are discussed.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; 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 ».