Exploring the Experiences of Canadian Autistic Gender Minorities through the Lens of Impression Management
Notice bibliographique
Résumé
ABSTRACT Both Autistic and non-Autistic individuals engage in Impression Management (IM), a process through which individuals attempt to influence how others perceive them. However, IM appears to have unique characteristics for Autistic individuals (known in the literature as Camouflaging), such as the necessity to suppress Autistic traits, mimic the behaviours, emotions, and expressions of non-autistic peers, and engage in continuous self-monitoring (Cook et al., 2021; Hull et al., 2017; Miller, 2021). Although much research has been conducted, a clear consensus on the definition, measurement, and underlying processes of Autistic camouflaging has yet to be established (Williams, 2021). Ai et al. (2022) aimed to inspire a fresh perspective by connecting the well-established literature on IM with the emerging research on Autistic camouflaging. To accomplish this, they reevaluated Autistic camouflaging, reconceptualizing it as a transactional, context-dependent form of IM. In doing so, they connected the motivations, neurocognitive foundations, and outcomes of camouflaging with the IM framework. Moreover, they proposed that identifying and defining four key components are essential steps in measuring and conceptualizing the mechanisms underlying Autistic camouflaging: (1) Individual skills (executive functions, low uncertainty attunement, monotropism, self-other processing); (2) Motivators (to gain opportunities and rewards OR to reduce stigma and harm); (3) Behaviours (self-presentation, self-concealment, camouflaging, self-monitoring); and (4) Consequences (positive or negative affect, gained or lost opportunities) Our objective is to assess the effectiveness of the IM framework, through secondary data analysis, in capturing the experiences of camouflaging among a small sample of Autistic Women and Non-Binary People in Canada. Additionally, we aim to identify any aspects of the participants' camouflaging experiences that were not addressed by the framework. We will employ the Framework Method to analyze interview data from nine Autistic women and non-binary individuals, utilizing a matrix-based approach for data synthesis. This method allows for systematic data condensation and analysis on a case-by-case and code-by-code basis. Furthermore, we will provide frequency counts to illustrate the prevalence of each component and subcomponent within the IM framework. Should we uncover crucial, previously unexplored (sub)components, or aspects expressed in ways divergent from the IM framework's initial conception, we will propose necessary revisions to enhance its comprehensiveness and accuracy.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,022 | 0,008 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».