Development of the nonbinary gender microaggressions (NBGM) scale
Notice bibliographique
Résumé
Background: While research pertaining to nonbinary microaggressions has become increasingly comprehensive in recent years, a measure specifically assessing this construct does not yet exist.Aims: The purpose of the present research was to develop and validate the Nonbinary Gender Microaggressions (NBGM) scale, which will allow future researchers to quantitatively examine nonbinary individuals’ experiences of microaggressions. Methods and Results: In Study 1 (n = 5), interviews with nonbinary individuals were conducted to explore their microaggressive experiences. The results of this study, as well as findings from previous qualitative research, were used to generate an initial pool of 92 items. In Study 2 (n = 158), a principal component analysis, which was used for item reduction, resulted in the retention of 41 items. In Studies 3 (n = 151) and 4 (n = 266), an exploratory factor analysis yielded a 23-item 5-factor solution (i.e., Negation of Identity [6 items], Inauthenticity [6 items], Deadnaming [4 items], Trans Exclusion [3 items], and Misuse of Gendered Terminology [4 items]), and a confirmatory factor analysis found that this solution demonstrates adequate model fit. Evidence of the measure’s scale score reliability, convergent validity, and incremental validity also were provided. Discussion: These findings indicate that, overall, the NBGM scale is a psychometrically sound measure of nonbinary individuals’ experiences of microaggressions. As such, this measure can be utilized by future researchers and clinicians to better understand nonbinary individuals’ microaggressive experiences.
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 | 0,002 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».