Toward a More Gender-Inclusive Sexual Experiences Survey: Development and Preliminary Validation With Transgender and Gender-Expansive Survivors of Campus Sexual Assault
Notice bibliographique
Résumé
We adapted the Sexual Experiences Survey (SES) to be more inclusive of transgender, nonbinary, and gender-expansive people and undertook preliminary validation of the measure. We added gender-neutral language, assault types thought to be more common and more emotionally impactful among these individuals, and coercion tactics specific to transgender, nonbinary, and gender-expensive people. We piloted this Gender-Inclusive SES (GI-SES) with an online survey of transgender and gender-expansive undergraduates who experienced campus sexual assault. We assessed acceptability via rapid qualitative analysis of feedback. We gathered preliminary evidence of validity by calculating the agreement in assault type and coercion tactic between open-ended descriptions of the assault and the GI-SES response, as well as by testing four hypotheses about the relative frequency and severity of different types of assaults within the sample. Three hundred eighty-eight transgender, nonbinary, and gender-expensive students completed the survey. Qualitative responses indicated that participants felt the GI-SES was inclusive and respectful. Results were partially consistent with hypotheses supporting validity, and there was 90.9% agreement in assault type and 85.9% agreement in coercion tactics between GI-SES responses and written narratives. The GI-SES provides researchers, clinicians, and service providers with a tool, preliminarily validated with a trans and gender-diverse college sample, to capture the unique experiences of transgender, nonbinary, and gender-expensive sexual assault survivors.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».