Yes, (most) men know what rape is: A mixed-methods investigation into college men’s definitions of rape
Notice bibliographique
Résumé
Sexual violence, including rape, is a pervasive problem on college campuses in the United States. Although men perpetrate the majority of sexual violence, men’s attitudes, experiences, and perspec-tives are not typically included in research on rape and sexual violence. We addressed this empirical gap through our mixed-methods analysis of 365 young men’s definitions of the term “rape.” Our analysis via consensual qualitative research revealed that men’s definitions fit into nine primary do-mains: lack of consent, taken advantage of, sex, sexual activity, unwanted, gender/sex-specific, harm to victim, relationship, and emotional response, as well as a miscellaneous domain. Further, using chi square tests of independence, we compared responses from men with and without a history of sexual violence perpetration. Findings showed that the definitions generated by men with a history of perpetration were less likely to include non-penetrative sexual violence and were more likely to use gender/sex-specific language in their definitions of rape. We conclude that most young men have a generally accurate understanding of rape, though perpetrators’ understandings may be somewhat narrower and more limited than those without a history of perpetration. We end with recommendations for refocusing sexual education curricula to better aid in the prevention of sexual violence perpetration. Specifically, given that (most) men know what rape is, educators should emphasize the cultural and situational factors that make rape more likely so all people can reduce the risk of sexual violence and take proactive precautions to prevent it.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».