Using reaction time procedures to assess implicit attitudes toward violence in a nonconvicted male sample
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this study, we sought to capture implicit attitudes toward violence by administering response latency measures. We then examined their associations with explicit (e.g., assessed with self-report) attitudes toward violence and self-reported violent behavior in a combined sample of males from a Canadian university and males from the general community (N = 251; 156 students and 95 community members). To date, there have been mixed findings regarding these associations; some of this inconsistency may be due to the difficulty in accurately conceptualizing and assessing implicit attitudes toward violence. Therefore, we administered three response latency measures to assess this construct: a violence evaluation implicit association test (VE-IAT), a personalized VE-IAT (P-VE-IAT), and a violence evaluation relational responding task, along with three self-report measures of explicit attitudes toward violence and three self-report measures of violent behavior. More positive implicit attitudes toward violence were related to more positive explicit attitudes toward violence (for VE-IAT and P-VE-IAT; r = 0.18 to 0.22), greater likelihood of violence (for VE-IAT; r = 0.18 and for P-VE-IAT; r = 0.16), and greater propensity for violence (for the VE-IAT; r = 0.16). All measures of explicit attitudes toward violence and violent behavior were moderately to strongly associated with one another (r = 0.42 to 0.81). Furthermore, implicit attitudes toward violence explained additional variance in some violent outcomes above explicit attitudes alone. Our findings suggest that scores on certain reaction time measures are important for understanding likelihood and propensity for violence, especially when combined with explicit attitude 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.
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 | 0,000 | 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 | 0,000 | 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 découle