Romantic attachment and cyber dating violence in adolescence: A dyadic approach
Notice bibliographique
Résumé
INTRODUCTION: Little research has documented cyber dating violence (DV)-a type of teen DV with unique characteristics that has been associated with negative consequences. Attachment is central to understanding negative behaviors in the context of relationships and has been associated with other forms of DV in teens. This study used an actor-partner interdependence model (APIM) to examine how cyber-DV victimization and perpetration (direct aggression and control) relate to attachment anxiety and avoidance. METHODS: An online questionnaire was completed by 126 adolescent couples (n = 252; mean age = 17.7) from Quebec, Canada. RESULTS: In almost all couples (96%), at least one partner reported an incident of cyber-control in the previous year, while cyber-aggression was reported in 34% of couples. APIM results revealed that girls' and boys' victimization and perpetration of direct cyber-aggression are associated similarly with both their own high levels of attachment anxiety and their partner's. Concerning cyber-control, results show that boys' and girls' victimization is associated more with their partner's higher level of anxious attachment than their own. Girls' perpetration of cyber-control is associated with both their own high levels of attachment anxiety and their partner's, while for boys' perpetration, their own high levels of anxious attachment were found to play a significantly greater role than their girlfriend's. No significant associations were found for the dimension of avoidant attachment for both cyber-aggression and cyber-control whether perpetration or victimization. CONCLUSION: These findings, which identify potential risk factors for victimization and perpetration of cyber-DV, have implications for research, intervention, and prevention.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».