Social Maltreatment and Symptomatology: Validating the Social Discrimination and Maltreatment Scale—Short Form in a Diverse Online Sample
Notice bibliographique
Résumé
There are few psychometrically valid measures of exposure to social maltreatment that simultaneously assess sexism, racism, and anti-LGBTQ+ (lesbian, gay, bisexual, transgender, queer, and other nonheteronormative) behavior, despite the commonness of these phenomena. The Social Discrimination and Maltreatment Scale (SDMS) meets this requirement but is, as a result, somewhat lengthy (36 items). This article introduces a short form of the SDMS containing only half the number of items but generally retaining the psychometric qualities of the original measure. The 18-item Social Discrimination and Maltreatment Scale—Short Form (SDMS-SF) consists of six SDMS stem items (e.g., I have been disrespected, People made cruel or demeaning jokes about me ) each of which is rated according to how often it had happened “because of my sex,” “because of my race,” and “because of my sexual orientation or gender identity.” In the SDMS online sample ( N = 528), SDMS-SF Sexism, Racism , and Cisheterosexism subscales were validated by confirmatory factor analysis and were internally consistent (α = .91–.95) and highly correlated with the original SDMS subscales ( r = .94 in all cases). All SDMS-SF subscales correlated with self-reported anxiety, depression, and posttraumatic stress (mean r = .29), corresponding to a medium effect size. In all but one instance, related SDMS and SDMS-SF subscales did not differ significantly in the strength of their association with symptomatology. Together, these results suggest that the SDMS-SF is a reliable and valid measure of social discrimination, generally equivalent to the SDMS despite containing only half as many items.
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 | 0,001 | 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 ».