Cyberpsychopathy: A Multidimensional Framework for Understanding Psychopathic Traits in Digital Environments
Notice bibliographique
Résumé
The rapid expansion of digital communication platforms has created new spaces for antisocial, manipulative, and emotionally detached behaviors. While psychopathy has been extensively studied in clinical and forensic settings, its digital manifestation, referred to as cyberpsychopathy, remains conceptually underdefined. This integrative review aimed to synthesize empirical research exploring psychopathy and aversive personality traits in online contexts to identify key conceptual domains and propose a preliminary definition. A systematic search across five databases yielded 35 peer-reviewed studies meeting the inclusion criteria. Using a biopsychosocial framework and thematic synthesis, six interrelated domains were identified: online behaviors (e.g., trolling and deception), online environments (e.g., anonymity and reward mechanisms), sociodemographic factors (e.g., age and gender), personality traits (e.g., psychopathy and narcissism), psychological factors (e.g., emotion dysregulation and low self-esteem), and motivations (e.g., dominance and emotional compensation). These domains interact to shape how psychopathic tendencies manifest online. Most studies were of moderate-to-high methodological quality, though variability limited direct comparisons. We propose cyberpsychopathy as a multidimensional construct representing the expression of aversive traits facilitated by digital affordances and psychological vulnerabilities. This review provides a foundational framework for understanding cyberpsychopathy and underscores the need for empirical validation and the development of assessment tools suited to digital behavior in both clinical and forensic settings.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».