Significance Quest: A Meta-Analysis on the Association Between the Variables of the 3N Model and Violent Extremism
Notice bibliographique
Résumé
Given the pervasiveness of violent extremism all over the globe, understanding its psychological underpinnings is key in the fight against it. According to the Significance Quest Theory and its 3N model, violent extremism (i.e., violent and deviant behavior) is a function of three elements: need, narrative, and network. In the present meta-analysis, to put into test the theory and its model, we aimed to establish the strength of the association between these three elements, as well as the quest for significance itself, and violent extremism; and investigate if these associations are influenced by methodological decisions (i.e., sampling and measurements/manipulations). A literature search was performed through electronic platforms, a call for unpublished or in-press data, and backward snowballing. Seventeen reports, comprising 42 studies, met full inclusion criteria: quantitative studies based on primary data assessing for the association of at least one of the 3Ns, or quest for significance, and violent extremism, and providing sufficient data for effect size extraction. Findings are reported according to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses(PRISMA) guidelines. Random-effect meta-analyses rendered statistically significant pooled effect sizes in all the investigated associations. The association is strong for quest for significance, moderate for narrative and network, and low for need for significance. Subgroup analyses demonstrate that the detection of these associations is influenced by methodological decisions concerning the measurements and manipulations, but not by those concerning the sampling. We discuss these findings and suggest future research directions aiming to improve the predictive power of the theory and its model.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».