Cross-Sectional and Longitudinal Associations Between Pornography Use and Dating Violence Victimization: Are There Risks for Teenagers?
Notice bibliographique
Résumé
Dating violence victimization (DVV) is a prevalent public health problem with harmful consequences among adolescents. Pornography use has been identified among the factors associated with DVV. However, most studies have relied on cross-sectional designs, limiting the ability to determine temporal relationships between these variables. The present study assessed bidirectional longitudinal associations between pornography use and DVV (psychological, physical, and sexual), also examining cross-sectional associations and gender differences. Participants’ self-report data from two assessments of a longitudinal study were used. The sample consisted of 1,556 teenagers ( M age = 14.55 years, SD age = .630; 51.5% were girls) having reported an intimate relationship in the past year at the first and/or second time point (T1/T2). Whereas some cross-sectional associations between pornography use and DVV were observed at T1, results from the autoregressive cross-lagged model revealed no significant longitudinal association between pornography use and the three forms of DVV, regardless of gender. Thus, pornography use may not represent a significant risk factor over time for DVV in adolescents. These findings provide additional insights concerning the associations between pornography use and DVV and suggest that emphasis should perhaps be placed on other variables in the study of risk factors for DVV. Still, although modest, transversal links support the importance of interventions that promote healthy intimate relationships in adolescence and education about pornography use.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».