Sexting and sexual behaviour in Australian adolescents
Notice bibliographique
Résumé
BACKGROUND: Previous studies have tried to determine the relationship between sexting and risky behaviour to discover whether sexting fits into a deviance or normalcy discourse. This study investigated the relationship between sexting and sexual risk behaviours, contraception use and gender. METHODS: The design was a cross-sectional analysis of data from the sixth National Survey of Secondary Student and Adolescent Sexual Health, collected in 2018. There were 8263 Australian adolescents (aged 14-18years). Participants were fairly evenly split by gender, and 73% identified as heterosexual. Participants were asked a series of questions about their engagement in sexting, sexual behaviour and sexual health behaviours. RESULTS: A total of 52% of participants had sent a sext in the previous 2months, with most being text-based sexts. Sexters were 3.29times more likely to have engaged in anal or vaginal intercourse, and 2.88times more likely to have gotten pregnant than non-sexters. Sexters (M =2.76) had significantly more partners than non-sexters (M =2.35), t (3763)=-10.99, P X 2 (1)=0.38, P =0.535, or contraceptive use based on sexting status. CONCLUSIONS: Sexters are more likely to have engaged in sexual intercourse and have more partners than non-sexters. Sexting is not strongly associated with other risky behaviours. Evidence for differences between sexters and non-sexters in protecting against STIs and pregnancy was not found, as there were no significant differences in contraceptive use.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».