Assessing the Relationship between Antisocial Personality Traits and Cyberstalking in a Canadian Adult Sample
Notice bibliographique
Résumé
Cyberstalking is defined as the repeated pursuit of an individual using the Internet (Reyns et al., 2012). Cyberstalking results in detrimental effects for victims including both physical and psychological issues (Dreßing et al., 2014; Worsley et al., 2017). Identifying risk factors for this behaviour is therefore an important step in developing prevention efforts. Dark Triad traits have been examined as correlates to cyberstalking (Smoker & March, 2017); however, this research has several limitations including the use of short, truncated measures of Dark Triad traits that have been criticized for failing to distinguish between psychopathy and Machiavellianism, failing to account for the multi-faceted nature of each construct, and utilizing multivariate models that are difficult to interpret (see Miller et al., 2019). The goal of this study is to examine the relationship between each Dark Triad construct and cyberstalking while addressing criticisms of existing Dark Triad research. A sample of 1725 Canadian citizens was recruited online through Qualtrics panels in May of 2020. The sample was matched to the broader Canadian population in terms of age, sex, and income. Participants completed the Self-Report Psychopathy scale Short Form (SRP-4 SF; Paulhus et al., 2015), the Five Factor Machiavellianism Inventory (FFMI; Collison et al., 2018), the Narcissistic Grandiosity Scale (NGS; Rosenthal et al., 2020), the Narcissistic Vulnerability Scale (NVS; Crowe et al., 2018), and indicated their engagement in cyberstalking behaviours. Binomial logistic regression will be used for determining the relationship between each Dark Triad construct and any engagement in cyberstalking behaviour (yes/no). Baseline rates for cyberstalking will also be provided.
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 | 0,010 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,061 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».