Assetjaments, abusos, agressions sexuals en estudiants d'infermeria en context de festa i sota el consum de tòxics: treball d'investigació
Notice bibliographique
Résumé
Introduction: Sexual harassments, abuses and assaults are acts included \nwithin the concept of sexual violence. This is the most frequent form of gender \nviolence. Moreover, these acts are mainly originated by men and against \nwomen. The incidence of gender violence is difficult to estimate due to the fact \nthere are very few reported cases. Countries such as EEUU and Canada \ncarried out various studies about sexual abuses and sexual assaults in college \ncampuses. The results show that the prevalence is high and these acts are \nrelated to drug and alcohol consumption and the party assistance. Concerning \nSpain and Catalonia, there is few information about sexual harassments, \nabuses and assaults in college students. \nObjective: Identify the relation among sexual harassments, abuses and \nassaults in nursing students connected to drug and alcohol consumption in \nparties. \nMaterial and methods: The population studied is nursing students of Girona \nUniversity enrolled in year 2016-2017. The sample is about 304 students. The \nstudy is a transversal quantitative study using an ad-hoc survey and the Sexual \nExperience Survey Short Form Victimization (SES-SFV.2007) survey. The both \nsurveys are being prepared through Machform program to distribute it \nelectronically. \nResults: 81,2% of nursing students affirm to consume alcoholic drinks in \nparties and 7,3% confirm to use drugs. In this study, there have been reported \n43 sexual abuses, 9 sexual assaults and the 92,3% of the girls affirm to have \nsuffered sexual harassments. The 45,09% of all these acts have been produced \nin party context
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».