Le sexting secondaire chez les adolescent·e·s. Origine et enjeux d’une source de cyberintimidation
Bibliographic record
Abstract
La pratique du sexting , contraction des mots « sex » et « texting », consiste à envoyer et échanger des contenus suggestifs ou sexuels. On parle de sexting secondaire lorsque le matériel est produit sans le consentement de la personne qui y figure et/ou rendu public et redistribué largement, donnant alors lieu à de la cyberintimidation. Bien que de nombreuses études se soient penchées sur cette pratique du sexting dit secondaire, celles-ci se sont souvent limitées à décrire ce phénomène sans tenter d’en distinguer les composantes. Le présent article a pour objectif de comprendre l’origine du phénomène du sexting et ses dérives ainsi que les enjeux de la réponse judiciaire qui y est associée. L’analyse de la littérature afférente a en effet permis de mettre en lumière trois éléments centraux de cette pratique : l’environnement virtuel et ses caractéristiques ; les caractéristiques des auteurs de sexting secondaire, des jeunes dont la maturité inachevée ne leur permet pas de saisir les conséquences de leur geste ; celles des victimes qui sexualisent leurs échanges et accordent une grande confiance tant à leur interlocuteur qu’aux outils utilisés pour envoyer du matériel. La réunion de ces trois éléments constitue ce que nous appelons une combinaison délétère, que l’appareil judiciaire a tenté de contrôler en utilisant une gamme de mesures allant de la décriminalisation à l’arrestation des victimes et des suspects.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".