Cyberviolence chez les couples de jeunes adultes : associations avec l’anticipation et les émotions négatives lors de conflits par messages textes et en face-à-face
Bibliographic record
Abstract
Les relations amoureuses des jeunes adultes sont aujourd’hui teintées par l’omniprésence des technologies numériques, lesquelles ont amplifié l’étendue des comportements violents pouvant être perpétrés en ligne entre partenaires intimes. Alors que la cyber-victimisation (CV; c.-à-d., violence vécue via des dispositifs technologiques) est un fléau croissant chez les couples de jeunes adultes et que ces derniers ont souvent recours aux messages textes pour des interactions conflictuelles, il importe de s’attarder aux liens entre la CV et la gestion des conflits par messages textes. Bien que des études aient démontré des liens entre la violence traditionnelle (p. ex. violence physique) et une gestion des conflits en face-à-face négative chez les couples, aucune étude n’a examiné ces liens dans un cadre numérique. Le présent mémoire visait à évaluer, chez 102 couples de jeunes adultes, les associations dyadiques (c.-à-d., entre partenaires) reliant la CV à l’anticipation négative d’un conflit amoureux par messages textes et aux émotions négatives durant celui-ci, et le rôle modérateur du contexte du conflit (c.-à-d., face-à-face, messages textes) dans ces liens. Les résultats démontrent que les conflits par messages textes étaient liés à davantage d’anticipation négative, laquelle était liée à davantage d’émotions négatives, uniquement chez les partenaires vivant de la CV. Ces résultats démontrent des associations auparavant méconnues entre la CV et la gestion des conflits par messages textes des couples. Ceci souligne l’importance de cultiver des habiletés de gestion des conflits en ligne chez les jeunes afin de prôner de saines relations amoureuses à travers l’expansion constante des technologies numériques.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 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) | 0.003 | 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".