Bibliographic record
Abstract
Les appels obscènes constituent une infraction sexuelle dont la culture populaire a tendance à se moquer. Ces comportements violents sans contact physique nous offrent un paradoxe important, peu de recherches sont consacrées à ce sujet, alors que la souffrance des auteurs de ces appels est indéniable. Les professionnels confrontés à leurs prises en charge rapportent d’ailleurs le peu de connaissances accessibles pour leur pratique clinique. Au travers de ce poster, nous proposons une revue de la littérature scientifique internationale visant à mettre en lumière différents aspects de ce phénomène. Premièrement, nous ferons le point sur les victimes de ces appels et l’impact de ce comportement violent à court et long terme. Puis, nous mettrons en évidence les différents profils des auteurs, avec les aspects singuliers et communs de chaque profil. En effet, bien que des différences aient été mises en évidence, certains fonctionnements psychiques et traits de personnalité, comme l’estime de soi, semblent être une donnée constante lorsque l’on compare ces profils. Par ailleurs, nous ferons le point sur les données permettant de mieux comprendre le comportement de ces auteurs, notamment leurs modes opératoires et les comportements déviants co-morbides. Cela nous amènera à évoquer la question de la dangerosité. Enfin, nous nous intéresserons aux théories étiopathologiques comme premières approches explicatives.
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 | 0.010 | 0.043 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.008 | 0.022 |
| Scholarly communication | 0.010 | 0.011 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.018 | 0.002 |
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".