MétaCan
Menu
Retour à la cohorte
Enregistrement W4411507132 · doi:10.1080/10911359.2025.2523900

Knowledge and perception of wives’ violence against husbands in Northern Ghana

2025· article· en· W4411507132 sur OpenAlexaff
Paul Alhassan Issahaku, Akanganngang Joseph Asitik

Notice bibliographique

RevueJournal of Human Behavior in the Social Environment · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntimate Partner and Family Violence
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésPerceptionPsychologyDomestic violenceSocial psychologyCriminologyHuman factors and ergonomicsPoison controlMedical emergencyMedicine

Résumé

récupéré en direct d'OpenAlex

This study contributes to existing literature by reporting on knowledge and perception of wives’ intimate partner violence (IPV) perpetration in Ghana using a sample of 310 college respondents from Northern Ghana. Overall, 90% of the sample viewed wives as perpetrators of IPV. Wives are viewed as perpetrators of physical violence (73%), psychological violence (83%), and sexual violence (85%). Further, a majority of participants know wives who have perpetrated physical violence (66%), psychological violence (76%), and sexual violence (58%). An ANOVA results showed that male participants rated wives’ sexual violence (M = 5.11, SD = 2.88) and physical violence (M = 4.65, SD = 2.62) very serious compared to female participants (M = 3.84, SD = 2.75) and (M = 3.89, SD = 2.67), respectively. Further, participants in Year 3 (M = 5.07, SD = 2.81) rated wives’ psychological violence very serious compared to those in Year 2 (M = 3.84, SD = 2.47), and participants in Year 4 rated wives’ psychological violence very serious compared to those in Year 2 (M = 5.11, SD = 2.95). Several interpersonal, intrapersonal, economic, and socio-cultural factors are identified as reasons for wives’ IPV. Alongside efforts to curb men’s IPV against women, wives’ violence against husbands should be acknowledged and addressed by policymakers and practitioners.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,201
Score d'incertitude au seuil0,273

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,345
Écart entre enseignants0,321 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Human Behavior in the Social EnvironmentMême sujetIntimate Partner and Family ViolenceTravaux en français237 207