The impact of empathy priming on the Rape Myth Acceptance Scale for those with antisocial/psychopathic traits
Notice bibliographique
Résumé
Rape Myth Acceptance (RMA) remains a persistent problem in rape and sexual assault cases. Several scholars (e.g. Mouilso, E. R., & Calhoun, K. S. (2013). The role of rape myth acceptance and psychopathy in sexual assault perpetration. Journal of Aggression, Maltreatment, and Trauma, 22(2), 159–174. https://doi.org/10.1080/10926771.2013.743937) discussed RMA as a cognitive distortion that constitutes a crucial link between psychopathy and rape perpetration. Research has indicated that empathy can help counteract bias and promote understanding and support for individuals who have experienced sexual violence (Batson, C. D., Polycarpou, M. P., Harmon-Jones, E., Imhoff, H. J., Mitchener, E. C., Bednar, L. L., Klein, T. R., & Highberger, L. (1997). Empathy and attitudes: Can feeling for a member of a stigmatized group improve feelings toward the group? Journal of Personality and Social Psychology, 72(1), 105–118. https://doi.org/10.1037/0022-3514.72.1.105). The overall goal of this study was to experimentally assess the relationship between empathy priming, psychopathy, and RMA. Specifically, it aimed to examine whether psychopathic traits influence the relationship between empathy priming and RMA. The study included 518 participants from Ontario Tech University and the community. Results indicated that the amount of effort invested in the empathy priming task significantly reduced rape-supportive attitudes, but only when the participants had high levels of psychopathic personality traits. Limitations of the study and potential directions for future research are discussed.PRACTICE IMPACT STATEMENT The present research offers a unique perspective in understanding the efficiency of empathy priming on rape-supportive attitudes in individuals with high- and low-trait psychopathy. Additionally, it highlights the significance of active involvement and engagement in empathy-based sexual assault prevention programmes, particularly when targeting individuals with high psychopathic traits.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».