Self-Reports of Sexual Violence Outside of Survey Reference Periods: Implications for Measurement
Notice bibliographique
Résumé
Accurate measurement of sexual violence (SV) victimization is important for informing research, policy, and service provision. Measures such as the Sexual Experiences Survey (SES) that use behaviorally specific language and a specified reference period (e.g., since age 14, over the past 12 months) are considered best practice and have substantially improved SV estimates given that so few incidents are reported to police. However, to date, we know little about whether estimates are affected by respondents' reporting of incidents that occurred outside of the specified reference period (i.e., reference period errors). The current study explored the extent, nature, and impact on incidence estimates of reference period errors in two large, diverse samples of post-secondary students. Secondary analysis was conducted of data gathered using a follow-up date question after the Sexual Experiences Survey-Short Form Victimization. Between 8% and 68% of rape and attempted rape victims made reference period errors, with the highest proportion of errors occurring in the survey with the shortest reference period (1 month). These errors caused minor to moderate changes in time period-specific incidence estimates (i.e., excluding respondents with errors reduced estimates by up to 7%). Although including a date question does not guarantee that all time period-related errors will be identified, it can improve the accuracy of SV estimates, which is crucial for informing policy and prevention. Researchers measuring SV within specific reference periods should consider collecting dates of reported incidents as best practice.
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 | 0,004 | 0,002 |
| 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 ».