Le cycle intergénérationnel de la victimisation sexuelle dans l'enfance : modèle explicatif base sur la théorie du trauma
Bibliographic record
Abstract
Les taux d’agression sexuelle dans l’enfance rapportée par des mères d’enfants agressés sexuellement suggèrent la présence d’un cycle de victimisation intergénérationnel. Malgré ces prévalences élevées, on explique difficilement les mécanismes pouvant intervenir entre la victimisation sexuelle d’un parent et celle de son enfant car les études empiriques sur le sujet sont peu nombreuses. Ce texte propose un modèle explicatif du phénomène basé sur la théorie du trauma et dont les principales hypothèses découlent de l’état des connaissances actuelles concernant les conséquences à long terme et l’étiologie de l’agression sexuelle dans l’enfance. Ce modèle suggère que les conséquences à long terme de l’agression sexuelle dans l’enfance chez les mères, incluant les difficultés psychologiques, relationnelles et conjugales, constituent des facteurs qui augmentent les risques de victimisation sexuelle pour leur enfant. Ces séquelles, en plus d’être exacerbées ou réactivées par la maternité, peuvent interférer avec le rôle parental de ces mères. Ces difficultés risquent de compromettre la supervision de l’enfant et pourraient favoriser le développement de caractéristiques chez l’enfant qui sont associées à une plus grande vulnérabilité face à l’agression sexuelle. Les implications cliniques liées à l’étude de ce phénomène sont discutées.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.003 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".