Anxiety and prior victimization predict online gender-based violence perpetration among Indonesian young adults during COVID-19 pandemic: cross-sectional study
Notice bibliographique
Résumé
Background: Most of human interactions moved to the cyberspace for much of the pandemic. It was no surprise that online violence was also on the rise. One of the objectives of this study was to describe the prevalence and risk factors of online gender-based violence (OGBV) perpetration during the COVID-19 pandemic. Results: The final analysis included 1006 respondents, 84.2% of whom were women and 94.5% were heterosexual. Over 60% of respondents admitted having perpetrated at least one type of OGBV once. It included 58.6% of women who admitted having perpetrated OGBV. Logistic regression analysis identified anxiety, online disinhibition, and history of victimization as independent risk factors of perpetration with an adjusted odds ratio (aOR) of 1.82 (95% CI 1.30-2.56), 1.38 (95% CI 1.03-1.85), and 9.72 (95% CI 5.11-18.51), respectively. Sub-group analysis that identified these factors also facilitated increased frequency and severity of OGBV perpetration. Conclusions: We found a high proportion of OGBV perpetration among young adults during the pandemic among all genders although women were grossly overrepresented among the respondents. Risk factors of perpetration included anxiety, online disinhibition, and prior victimization. The pandemic situation which heightened general anxiety and increased dependency on online communication may facilitate the perpetration of OGBV. The generalization of this result should pay attention to the caveat that the demographic of respondents is heavily skewed toward women.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,003 | 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 ».