Attitude Toward Sexual Aggression Against Women (ASAW) Scale: Evidence of Discriminant and Incremental Validity
Notice bibliographique
Résumé
We tested the discriminant and incremental validity of scores on the Attitude toward Sexual Aggression against Women (ASAW) scale, a self-report measure that asks men to evaluate (very bad to not at all bad) a range of sexually aggressive behaviors against women. An online panel of 647 men completed the ASAW scale and self-report measures of other offense-supportive cognitions (rape myth acceptance, cognitive distortions, and beliefs regarding rape) and sexually aggressive behavior (past sexual aggression, likelihood of engaging in sexually aggressive behavior, and likelihood to rape). We hypothesized that (a) the ASAW would be distinct from other measures of offense-supportive cognition and (b) the ASAW would be independently associated with sexual aggression after accounting for the other measures. Supportive of discriminant validity, exploratory factor analyses revealed that ASAW items clustered together to form a distinct factor from other measures of offense-supportive cognition. Supportive of incremental validity, hierarchical multiple regression analyses indicated that the ASAW explained an additional 5% of the variance in past sexually aggressive behavior (ΔR² = .05, p < .006) and 4–6% of the variance in likelihood of engaging in sexual aggression (ΔR² = .04–.06, p < .006) after accounting for other measures of offense-supportive cognition. If future research finds further support for the construct validity of its scores, the ASAW should be used to study the potential causal role that attitudes may play in sexual aggression against women, and whether changing them can reduce the likelihood of engaging in this type of behavior.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».