Cyberviolence chez les couples de jeunes adultes : associations avec l’anticipation et les émotions négatives lors de conflits par messages textes et en face-à-face
Notice bibliographique
Résumé
Les relations amoureuses des jeunes adultes sont aujourd’hui teintées par l’omniprésence des technologies numériques, lesquelles ont amplifié l’étendue des comportements violents pouvant être perpétrés en ligne entre partenaires intimes. Alors que la cyber-victimisation (CV; c.-à-d., violence vécue via des dispositifs technologiques) est un fléau croissant chez les couples de jeunes adultes et que ces derniers ont souvent recours aux messages textes pour des interactions conflictuelles, il importe de s’attarder aux liens entre la CV et la gestion des conflits par messages textes. Bien que des études aient démontré des liens entre la violence traditionnelle (p. ex. violence physique) et une gestion des conflits en face-à-face négative chez les couples, aucune étude n’a examiné ces liens dans un cadre numérique. Le présent mémoire visait à évaluer, chez 102 couples de jeunes adultes, les associations dyadiques (c.-à-d., entre partenaires) reliant la CV à l’anticipation négative d’un conflit amoureux par messages textes et aux émotions négatives durant celui-ci, et le rôle modérateur du contexte du conflit (c.-à-d., face-à-face, messages textes) dans ces liens. Les résultats démontrent que les conflits par messages textes étaient liés à davantage d’anticipation négative, laquelle était liée à davantage d’émotions négatives, uniquement chez les partenaires vivant de la CV. Ces résultats démontrent des associations auparavant méconnues entre la CV et la gestion des conflits par messages textes des couples. Ceci souligne l’importance de cultiver des habiletés de gestion des conflits en ligne chez les jeunes afin de prôner de saines relations amoureuses à travers l’expansion constante des technologies numériques.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».