Beliefs and attitudes about men's alcohol‐related sexual harassment and aggression (BAMASHA): Development and initial validation of a new scale
Notice bibliographique
Résumé
BACKGROUND: Men's perpetration of sexual violence (SV) toward women in drinking venues is a pervasive yet understudied phenomenon with significant downstream consequences for women. Although men's negative attitudes and beliefs toward women play an important role in SV, current attitude measures are limited in that they do not focus on SV specific to drinking contexts, thereby precluding understandings of SV in this context. As such, we developed and evaluated a measure of beliefs and attitudes about men's alcohol-related sexual harassment and aggression (BAMASHA) toward women in drinking venues to better understand this ubiquitous problem. METHODS: = 22.66, SD = 2.09) completed an online survey that included 82 BAMASHA items developed to assess eight theoretical dimensions/sub-dimensions derived from past research. The survey also measured sexual aggression perpetration in drinking venues and well-established correlates of SV including drinking patterns, rape myth acceptance, hostility toward women, stereotypes about drinking women, and alcohol expectancies regarding sexual behavior. RESULTS: Item analysis resulted in a 24-item inventory with exploratory and confirmatory factor analyses suggesting a unidimensional factor structure. The resultant measure and its 12-item short form also explained sexual aggression perpetration toward women in drinking venues when controlling for associated constructs. CONCLUSIONS: Findings underscore the unique contributions of the BAMASHA for sexual aggression perpetration and its utility in the context of drinking venues compared to measures of attitudes and beliefs toward SV more generally.
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 | 0,002 | 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 | 0,001 |
| 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 ».