Taking Off the Rose-Colored Glasses: Experiences of Sexual Assault and Institutional Mistrust
Notice bibliographique
Résumé
Despite attempts to reduce sexual assault, approximately one-quarter of university students in Canada and the United States will experience a sexual assault during their undergraduate experience. In addition to the interpersonal trauma survivors experience during a sexual assault, institutions may respond in ways that amplify this trauma, failing students at an especially vulnerable point. Sexual assault has a long-term impact on the way survivors perceive the world and interact with institutions, often resulting in disillusionment. This study sought to understand how experiencing sexual assault, including the timing of that assault, is linked to university students’ perceptions of institutions and their policies, perceived risk of sexual assault, and rape myth acceptance. Students from a Canadian institution ( N = 1,220) completed an online survey that assessed their sexual assault history, from which they were grouped in terms of timing of the assault experience: pre-university, during university, prior to and during university, and no sexual assault history. A one-way multiple analysis of variance revealed that individuals with any sexual assault history reported lower institutional trust, more negative perceptions of their institution’s sexual assault policies, greater perceived risk of sexual assault, and lower endorsement of rape myths than those with no sexual assault history. Differences from those with no assault history were larger among those who had experienced sexual assault during their university experience. Additional exploratory analyses showed that diminished campus belonging among survivors of sexual assault was mediated by lower levels of institutional trust. Implications are centered around the long-term impacts of sexual assault, the role that institutions play in amplifying negative outcomes, and the role that these impacts play in reducing reporting and help-seeking.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».