Revealing the Invisible Cage: Understanding Coercive Control Through the Eyes of Survivors in the Era of COVID-19
Notice bibliographique
Résumé
Coercive control (CC) is a pervasive, systematic pattern of behaviors used by an intimate partner to exert power over, manipulate, intimidate, control, and undermine a victim's ability to leave the relationship. Compared to intimate partner violence (IPV) involving physical violence alone, abusive relationships marked by CC are linked with more long-lasting psychological consequences and an increased risk for more severe physical injuries, including domestic homicide. Dutton and Goodman (2005) created a theoretical model outlining distinct and interrelated components involved in the development and maintenance of coercively controlling relationships. In this qualitative study, I investigated whether components of this model reflect survivors' lived experiences of CC. I also examined survivors' experiences of physical IPV and CC broadly, the sequence in which CC and physical IPV occur in, and the impact of the COVID-19 pandemic on survivors' experiences of IPV. Trauma-informed interviews were completed individually with 12 Canadian women (age range, 23-56; M = 39.8) accessing women's shelters. Transcripts were analyzed using Braun and Clarke's (2021) reflexive thematic analysis. Themes described survivors' lived experiences of sexual coercion and CC marked by pervasive, frequent, ongoing patterns of CC that deprived women of freedom. Components of Dutton and Goodman's (2005) model of CC were captured, including grooming methods and the use of demands, threats, and surveillance as coercion tactics. Themes described CC preceding physical IPV or both forms of IPV emerging together early in relationships. Experiences of IPV during the COVID-19 pandemic encompassed pandemic restrictions facilitating CC, reduced opportunities for survivors to leave or seek support, and increases in physical IPV connected to increased isolation. These findings have implications for partner aggression research, prevention strategies, and educational initiatives aimed at reducing IPV in romantic relationships.
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 | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,028 |
| Communication savante | 0,008 | 0,015 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,007 |
| 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 ».