“Don’t You Love Me?” Abusers’ use of shame-to-guilt to coercively control 2SLGBTQQIA+ individuals and rural women experiencing intimate partner violence
Notice bibliographique
Résumé
BACKGROUND: Abusers' use of manipulative behaviors to trigger feelings of shame-to-guilt (a process through which abusers shame their partners to incur feelings of guilt) among their 2SLGBTQQIA+ and rural women intimate partners is a type of emotional abuse used to coercively control their partners. OBJECTIVE: This study investigated the different tactics that abusers use to shame-to-guilt their partners who identify as 2SLGBTQQIA+ and/or reside in rural areas. DESIGN: A qualitative design was used to conduct this study. METHODS: = 24). RESULTS: Seven themes were identified based on participants' experiences, including shaming identity in relation to gender and sexual orientation (manifesting differentially between 2SLGBTQQ+ and rural women participants), emotional and sexual manipulation, threats of death by suicide (predominating among 2SLGBTQQ+ individuals), apologies and vacuous promises as components of the cycle of abuse, using one's parenting and children's well-being to manipulate partners, the use of health conditions and faking illness, and the use of religion or faith to reinforce gender standards. CONCLUSION: For 2SLGBTQQIA+ and rural women groups, situating shame-to-guilt behaviors within the cycle of abuse is important information that has not been explored extensively in the intimate partner violence literature. For individuals self-identifying as 2SLGBTQQIA+ or women living rurally, the means through which they are shamed-to-guilt intersects with their unique identities and positionality. Therefore, recommendations are presented to help these groups rebuild their identities when shame-to-guilt behaviors were experienced as part of the abusive dynamic.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 ».