Defining Gaslighting in Gender-Based Violence: A Mixed-Methods Systematic Review
Notice bibliographique
Résumé
In both public and academic discourse, gaslighting has gained increased attention, especially regarding psychological abuse, power imbalance, and gender-based violence (GBV). However, the term gaslighting is often inconsistently defined and conflated with broader forms of manipulation. It is also largely examined in the context of intimate partner violence (IPV), which ignores its occurrence in other forms of GBV. The present study presents a systematic review that synthesizes interdisciplinary academic literature to create a comprehensive framework of gaslighting. This framework includes the specific tactics that are used by perpetrators of gaslighting, the social-psychological outcomes experienced by survivors, and the role of systemic inequalities and social power dynamics. A search across multiple databases identified 96 records that discussed gaslighting in relation to GBV. Thematic analysis revealed a two-part framework for understanding gaslighting: (a) gaslighting tactics, which were categorized into cognitive and perceptual manipulation, emotional and psychological abuse, power dynamics and control, and additional forms of manipulation and (b) survivor outcomes, including disruptions to perception and memory, emotional distress, social isolation, and resistance strategies. The findings show that gaslighting is more than just an interpersonal act; it is sustained within social structures, where perpetrators use identity factors and forms of marginalization to exploit survivors. Overall, this review presents a comprehensive definition of gaslighting that illustrates its epistemic nature and its intersection with systemic oppression. It is suggested that future research studies gaslighting in GBV contexts beyond IPV, while practice and policy efforts should seek to enhance recognition and support for survivors.
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 | 0,026 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,009 |
| Bibliométrie | 0,019 | 0,018 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».