数字性别暴力：欧盟网络犯罪报告揭示针对女性的网络骚扰案件年增长率达17%（2020 - 2023） 🆔 ID: 368608 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
计算全球社交媒体平台上针对女性的仇恨言论占比与各国性别平等指数的皮尔逊相关系数（r = - 0.63） 🆔 ID: 368609 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
基于逻辑回归模型分析数字性别暴力受害者（n = 3200）的人口统计学特征（年龄、职业、教育程度）对其遭受暴力类型（如辱骂、威胁、人肉搜索）的影响，各特征回归系数分别为：年龄（β = - 0.12）、职业（β = 0.08）、教育程度（β = - 0.15） 🆔 ID: 368610 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
使用SHAP值解释机器学习模型预测数字性别暴力发生风险的因素重要性，其中匿名性（Shap值 = 0.42）、社交平台监管力度（Shap值 = - 0.35）、施暴者心理特征（Shap值 = 0.38） 🆔 ID: 368611 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
统计全球范围内数字性别暴力事件中，图像与视频类暴力内容占比与各国互联网普及率的比值比（OR = 1.8，95%CI：1.5 - 2.2） 🆔 ID: 368612 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
基于贝叶斯网络模型分析数字性别暴力事件中，施暴者动机（如报复、控制、性骚扰）、受害者特征（如外貌、职业、网络活跃度）、平台特性（如匿名性、监管机制）之间的因果关系网络，各因素间的条件概率：施暴者动机→暴力发生（P = 0.78）、受害者特征→暴力易感性（P = 0.65）、平台特性→暴力发生概率（P = 0.72） 🆔 ID: 368613 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
使用倾向得分匹配（PSM）比较有严格内容审核机制和审核机制薄弱的社交平台上数字性别暴力事件发生率的差异，匹配后平均处理效应（ATE）为 4.1（95%CI：3.2 - 5.0） 🆔 ID: 368614 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
基于决策树模型识别导致数字性别暴力发生的关键因素，如施暴者与受害者的关系（权重 0.32）、社交平台的匿名性设置（权重 0.28）、事件发生的网络环境（权重 0.25）、受害者的网络曝光度（权重 0.15） 🆔 ID: 368615 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
计算数字性别暴力事件中，受害者遭受精神创伤（采用PTSD量表评估）的严重程度与暴力持续时间的相关系数（r = 0.71） 🆔 ID: 368616 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
使用XGBoost模型预测数字性别暴力在不同年龄段女性（18 - 25岁、26 - 35岁、36 - 45岁、45岁以上）中的发生概率，模型准确率为 85%，特征重要性排序：年龄（权重 0.22）、网络使用习惯（权重 0.31）、社交平台类型（权重 0.25）、个人隐私保护意识（权重 0.22） 🆔 ID: 368617 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
统计联合国相关报告出台前后，全球范围内数字性别暴力相关研究的论文发表数量变化，发文量增长了 22% 🆔 ID: 368618 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
基于聚类分析将数字性别暴力的施暴者分为 4 类，各类施暴者的占比分别为：冲动型（28%）、预谋型（31%）、跟风型（22%）、报复型（19%） 🆔 ID: 368619 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
使用LDA主题模型提取关于数字性别暴力的学术文献中高频主题词，主题词“网络匿名性”出现频率最高（占比 21%），其次是“受害者心理影响”（占比 19%）、“平台监管责任”（占比 16%）、“法律救济困境”（占比 14%） 🆔 ID: 368620 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
计算数字性别暴力事件中，图像与视频类暴力内容在传播过程中的二次伤害风险指数（平均得分 4.2 分，满分 5 分，得分越高风险越大），与传播平台流量的相关系数（r = 0.65） 🆔 ID: 368621 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
基于生存分析模型研究数字性别暴力受害者从遭受暴力到寻求帮助的时间间隔，中位时间为 6 个月（95%CI：5 - 8 个月），影响时间间隔的因素包括暴力严重程度（β = 0.28）、社会支持程度（β = - 0.32）、受害者心理恐惧（β = 0.35） 🆔 ID: 368622 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
使用主成分分析（PCA）将多个与数字性别暴力相关的因素（如社交平台的监管政策、用户的隐私设置、法律法规的完善程度）压缩为 2 个主成分，主成分 1 解释方差为 55%，主成分 2 解释方差为 20% 🆔 ID: 368623 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
统计全球范围内数字性别暴力事件中，受害者来自不同地域（如发达国家、发展中国家）的比例差异，发达国家受害者占比 42%，发展中国家受害者占比 58%，地域差异的比值比（OR）为 1.38（95%CI：1.1 - 1.7） 🆔 ID: 368624 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
基于时间序列分析全球范围内数字性别暴力相关事件的数量随时间的变化趋势，呈现逐年上升趋势，年增长率为 11% 🆔 ID: 368625 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
使用模糊综合评价法对不同社交平台在应对数字性别暴力问题上的措施效果进行综合评价，评价结果分为 5 个等级，平均得分 2.9 分（满分 5 分） 🆔 ID: 368626 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
计算数字性别暴力事件中，施暴者使用的语言暴力类型（如辱骂、诋毁、威胁）与受害者心理伤害程度（采用心理量表评估）的相关系数（r = 0.74） 🆔 ID: 368627 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
基于异常检测算法识别数字性别暴力事件中不符合正常社交行为模式的异常案例，异常案例占总案例数的 18% 🆔 ID: 368628 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
使用贝叶斯分层模型分析不同地区（城市、农村）对数字性别暴力的认知和应对态度差异及其影响因素，城市地区对数字性别暴力的认知度（72%）高于农村地区（58%），地区教育水平（β = 0.27）、网络普及程度（β = 0.31）是主要影响因素 🆔 ID: 368629 ✅ 可用
交叉与新兴领域-性别研究
🤖 AI智能指令 - ⚡ 专业高效 - 🌐 多平台支持 - 🎯 精准执行
📊 共 22 条记录，当前显示第 1- 条
上一页
1
下一页