Why Do People Perpetrate Sexual Harassment in Public Space? A Systematic Scoping Review
Notice bibliographique
Résumé
Despite the growing scholarly interest in sexual harassment in public space over the past decades, there is still no systematic overview of explanations for why perpetrators engage in it. Such an overview would be valuable for improving the effectiveness of prevention strategies. Hence, this review was guided by the following questions: (1) What explanations are provided in the literature for why people engage in sexual harassment in public space, and (2) have these explanations been studied empirically? 12 databases were searched for relevant studies across disciplines. Of the 4,300 studies identified, 29 met the inclusion criteria. A thematic analysis was conducted to categorize the explanations according to the social ecological framework. We identified 10 themes across four levels: (1) individual – personality traits, psychosocial capacities, and behavioral tendencies; (2) relationship – communicative motivations, peer dynamics, and family dynamics; (3) community – socio-spatial environment and structural inequalities; (4) societal – social norms and structural inequalities. We demonstrate that the literature most notably provides empirically substantiated explanations at the first two levels. Community- and societal-level factors, and their interplay with individual- and relationship-level factors, require more thorough empirical scrutiny. Our findings, moreover, suggest that: (a) efforts to reduce sexual harassment in public space should rather focus on peer groups than (potentially) perpetrating individuals; (b) such efforts should focus on addressing group dynamics, perpetrators’ psychosocial capacities, and the social and gender norms that shape their worldviews, besides continuing to raise awareness of what sexual harassment is and how it is experienced by targets.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».