Non-suicidal self-injury, attachment, emotion regulation and childhood trauma in university students
Bibliographic record
Abstract
Cette étude examinera les risques d'être auto-blessant en comparant un groupe d'étudiant universitaire qui exerce cette pratique contre un groupe contrôle sous les paramètres de l'attachement, du contrôle de ses émotions et le traumatisme d'enfance. L'échantillon fut composé de 1400 étudiants universitaires (364 mâles, 1036 femelles; M = 19.76), qui ont rempli un questionnaire préliminaire dans le cadre d'un projet plus général qui vise les stratégies d'ajustement. Ceux qui furent identifiés en tant qu'auto-blessant et qui étaient intéressés à poursuivre cette étude (N = 55; 6 mâles, 49 femelles) ont reçu un suivi, avec un groupe contrôle, examinant les facteurs risques d'être auto-blessant. Trois MANOVA furent utilisés et plusieurs effets multivariables ont été trouvés pour l'attachement et le contrôle d'émotion mais aucune pour les traumatismes d'enfance. Des effets univariables furent examinés pour l'attachement et le contrôle d'émotion démontrant d'importantes différences d'un groupe à l'autre, avec l'exception des facteurs de sécurité pour l'attachement et des facteurs de consciences émotionnelles pour le contrôle d'émotion.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".