La coercition sexuelle exercée par les femmes : l’impact du lien avec la victime
Bibliographic record
Abstract
Les recherches menées au cours des deux dernières décennies ont permis d’identifier divers facteurs associés à l’utilisation de stratégies de coercition sexuelle par les femmes. Cependant, aucune étude n’a encore exploré l’influence du lien entre la femme et la victime dans cette problématique. Or, le contexte relationnel, qu’il s’agisse d’une relation stable ou occasionnelle, pourrait moduler les facteurs impliqués. La présente étude a donc pour objectif d’analyser l’impact de différents facteurs associés à la coercition sexuelle exercée par les femmes, en fonction de la relation avec la victime. L’échantillon est composé de 197 femmes sexuellement attirées par les hommes et ayant répondu à des questionnaires en ligne sur la plateforme Lime Survey. Près d’une femme sur deux (49,7 %) a rapporté avoir eu recours à une stratégie de coercition sexuelle avec un partenaire stable, tandis que 19,0 % ont rapporté y avoir eu recours avec un partenaire occasionnel. Les résultats indiquent que les traits de la Triade noire ainsi que les scripts sexuels stéréotypés varient selon la nature de la relation avec la victime. De plus, la victimisation sexuelle est associée à la coercition sexuelle uniquement lorsque le partenaire est stable, alors que l’hypersexualité n’y est associée que lorsque le partenaire est occasionnel. Les résultats sont discutés en fonction du lien avec la victime.
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 | 0.003 | 0.013 |
| 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 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".