Predictors for Acceptance of Sexual Aggression Myths Among People Using Cyberporn: Cross-Sectional Study
Notice bibliographique
Résumé
Background: Although the acceptance of sexual aggression myths (ASAM) has been intensively studied over the past 30 years, there is still a lack of conclusive information on its relationships with a given set of cognitive and behavioral variables. Objective: This study aimed to examine to what extent sexual coercion, compulsive cyberporn use (CCU), arousing cyberporn scenes, moral incongruence, impulsivity, and sexual self-esteem can predict the ASAM-assessed with the Acceptance of Modern Myths About Sexual Aggression (AMMSA) score-among people who use cyberporn. Methods: Overall, 1557 English speakers who used cyberporn at least once during the previous 6 months (mean age 33.3, SD 10.9 years; men: n=1000, 64.2%; women: n=557, 35.8%) were included in this study after completing an online questionnaire. The questionnaire included measures of the AMMSA, sexual coercion experiences including perpetration and victimization, CCU, arousing cyberporn scenes, moral incongruence, impulsivity, and sexual self-esteem. Data analytics included descriptive statistics, Pearson correlation, analysis of variance, and multivariate linear regression. Results: Male participants had significantly higher scores than their female counterparts regarding the following variables: AMMSA (t1551=12.46, P<.001), sexual violence perpetration (t1551=3.10, P<.001), CCU (t1551=8.05, P=.003), aroused by "groups with several females" porn scenes (t1551=8.71, P=.002), and age (t1551=7.11, P<.001). Female participants had significantly greater mean scores than their male counterparts regarding the following variables: sexual violence victimization (t1551=-11, P<.001), aroused by "submission" pornographic scenes (t1551=-5, P<.001), aroused by "soft" pornographic scenes (t1551=-2.40, P=.03), and aroused by "groups with several males" pornographic scenes (t1551=-5.93, P<.001). Among the male participants, AMMSA scores were significantly predicted by scores of sexual coercion (both perpetration and victimization; β=.042, P<.001 and β=.023, P=.03, respectively), CCU (β=.339, P<.001), arousing cyberporn scenes displaying humiliation and groups of males (β=.136, P=.003), sexual self-esteem (β=.164, P<.001), and moral incongruence (β=.131, P<.001). Among the female participants, AMMSA scores were significantly predicted by the scores of sexual coercion perpetration (β=.060, P<.001), CCU (β=.287, P<.001), arousing cyberporn scenes with several females (β=-.111, P=.02), sexual self-esteem (β=.188, P<.001), and age (β=.025, P<.001). Age emerged as a distinct factor in women, with older participants more inclined to accept sexual aggression myths. Conclusions: This study identified key psychological and behavioral correlates of the ASAM across genders. CCU, sexual coercion perpetration, and sexual self-esteem predicted the ASAM. Impulsivity and moral incongruence were salient among men, and age was salient among women. Gender differences emerged in arousal of pornographic content.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».