Gender Differences in Sexual Violence Perpetration Behaviors and Validity of Perpetration Reports: A Mixed-Method Study
Notice bibliographique
Résumé
The current mixed-method study examined gender differences in sexual violence (SV) perpetration behaviors and the validity of perpetration reports made on the Sexual Experiences Survey-Short Form Perpetration (SES-SFP). Fifty-four university students (31 women and 23 men) were asked to think out loud while privately completing an online version of the SES-SFP and to describe (typed response) behaviors that they reported having engaged in on the SES. Those who reported no such behavior were asked to describe any similar behaviors they may have engaged in. Integration of the quantitative responses on the SES and the qualitative descriptions of the events reported showed that men's SV perpetration was more frequent and severe than women's. The qualitative event descriptions further suggested that men's verbal coercion was often harsher in tone and that men more often than women used physical force (including in events only reported as verbal coercion on the SES). Unlike men, women often reported that their response to a refusal was not intended to pressure their partner or obtain the sexual activity. Two women also mistakenly reported experiences of their own victimization or compliance (giving in to unwanted sex) on SES perpetration items, which inflated women's SV perpetration rate. Findings suggest that quantitative measurement can miss important qualitative differences in women and men's behaviors and may underestimate men's and overestimate women's SV perpetration. Participants also sometimes misinterpreted or described confusion around the SES items, suggesting a need for updated language on this and other quantitative measures.
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 | 0,017 | 0,001 |
| 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 ».