Integrating Alcohol and Cannabis Risk Reduction Into Sexual Assault Resistance Programming: Findings From a Pilot of EAAA+
Notice bibliographique
Résumé
OBJECTIVE: One in five college women experiences sexual assault. Feminist scholars have called for the use of programming that empowers women by increasing their ability to recognize and resist sexual assault. One such program, the Enhanced Assess, Acknowledge, Act Sexual Assault Resistance Education Program (EAAA), has demonstrated lower rates of sexual assault up to 24 months. EAAA could be further enhanced by directly targeting women's risky alcohol and cannabis use, two known risk factors for sexual assault, within an integrated framework. This study evaluated the acceptability and preliminary efficacy of an integrated version of EAAA with enhanced alcohol and new cannabis content. METHOD: = 14) ages 18-24 who reported engaging in past-month heavy alcohol use, cannabis use, and simultaneous alcohol and cannabis use participated in the adapted program. Women completed a baseline assessment, measures of acceptability at strategic points during the program, and a post-program assessment. RESULTS: Women rated the program very high in likability, quality, organization, relevance, and usefulness and were likely to recommend it to other women. Overall, acceptability and usability ratings for EAAA+ were high. Content analysis of open-ended questions indicated that some women wanted more cannabis and/or alcohol content included. CONCLUSIONS: Results indicate that the adapted content is acceptable for the target population and has promising pre-post changes on alcohol, cannabis, and sexual assault-related outcomes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».