The Confluence Model of Sexual Aggression: The role of pornography as a secondary risk factor
Notice bibliographique
Résumé
The Confluence Model (CM) highlights the role of Hostile Masculinity (HM) and Impersonal Sex (IS) as primary risk factors for sexual aggression. According to the CM, pornography is a secondary risk factor for sexual aggression among men who are high in HM and IS. The role of pornography consumption in the CM has produced divergent findings; however, a subset of men use pornography for mood management (to cope with negative emotions). These men are at risk of developing problematic pornography use, suggesting a need to consider motives for pornography use in the context of the CM. The present study tested the CM with a focus on the role of pornography as a mood management motive in a sample of males (n = 412). The central components of the CM (HM and IS) were associated with sexual aggression. There was also an independent association between the mood management motive of watching pornography and sexual aggression, suggesting that the mood management motive of watching pornography may be an independent risk factor for sexual aggression. In contrast to our hypothesis, the mood management motive did not moderate the association between the primary risk factors (HM, IS) and sexual aggression. The findings of this study replicate past findings and build on the literature by suggesting that pornography use as mood management is predictive of sexual aggression.
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 | 0,006 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».