La violence chez des femmes présentant des traits psychopathiques
Bibliographic record
Abstract
La violence conjugale est une problématique majeure de santé publique au Québec. Il existe un lien bien établi entre la présence de traits psychopathiques et la violence conjugale parmi les hommes de la population normale (Costa & Babcock, 2008). Toutefois, ce lien entre les traits psychopathiques chez les femmes et la violence conjugale est moins clair. L'objectif de ce travail est de décrire la violence conjugale commise par des femmes et de vérifier s'il existe un lien entre la présence de traits psychopathiques et cette violence. Cette hypothèse est vérifiée auprès d'un échantillon probabiliste de 140 femmes ayant complété des questionnaires d'évaluation des traits psychopathiques et de la violence conjugale (i.e. psychologique et physique). À des fins de contrôle statistique, leurs conjoints sont aussi invités à remplir ces mêmes questionnaires. Les résultats démontrent que les traits psychopathiques (i.e. primaire et secondaire) de la femme sont reliés à sa violence psychologique. C'est la présence de traits psychopathiques primaires qui expliquerait la plus grande part de variance des comportements de violence psychologique féminins. De même, plus les femmes affichent des traits psychopathiques secondaires, plus elles tendent à être violente physiquement vis-à-vis leur conjoint. Ces résultats sont discutés à la lumière de ceux des études récentes.
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 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 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".