MétaCan
Menu
Retour à la cohorte
Enregistrement W4381848243 · doi:10.1111/pere.12510

A qualitative analysis of gaslighting in romantic relationships

2023· article· en· W4381848243 sur OpenAlexaff
Willis Klein, Sherry Li, Suzanne Wood

Notice bibliographique

RevuePersonal Relationships · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueAttachment and Relationship Dynamics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPsychologyRomanceMental healthSocial psychologyDevelopmental psychologyQualitative analysisQualitative researchTest (biology)Clinical psychologyPsychiatryPsychoanalysis

Résumé

récupéré en direct d'OpenAlex

Abstract Gaslighting is an understudied form of abuse wherein a sane and rational survivor is convinced of their own epistemic incompetence on false pretenses by a perpetrator. The current study aimed to characterize the features of gaslighting as well as test and verify common claims about gaslighting. We recruited participants (N = 65) who self‐identified as having experienced gaslighting in romantic relationships to fill out a qualitative survey wherein they described instances of gaslighting, features of their relationships, and the consequences of gaslighting on their mental health. The age of participants in this study ranged from 18 to 69 (M = 29), most participants identified as female (48), and heterosexual (43). Gaslighting occurs within relationships that are typified by a combination of affectionate and abusive behaviors extended over the course of a relationship. Gaslighting victimization was associated with a diminished sense of self, mistrust of others, and on occasion, post‐traumatic growth. Those who recovered from gaslighting often emphasized the importance of separation from the perpetrator, prioritization of healthier relationships, and engaging in meaningful and re‐embodying activities. This study provides a basis for further research into gaslighting and recovery from gaslighting, which will contribute to the prevention and treatment for this type of abuse.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0070,010
Communication savante0,0030,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,163
Tête enseignante GPT0,487
Écart entre enseignants0,324 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePersonal RelationshipsMême sujetAttachment and Relationship DynamicsTravaux en français237 207