Cyberbullying in Schools: Nature and Extent of Canadian Adolescents' Experience
Notice bibliographique
Résumé
This study is an exploration of the cyberbullying issue. The primary focus is on the examination of the nature and extent of adolescents’ cyberbullying experiences. Particularly, the following research questions guide this exploration: 1) To what extent do adolescents experience cyberbullying? 2) What are the characteristics of cyberbullying? 3) What are the types of tools used for cyberbullying? A survey of 177 grade seven students (80 males and 97 females) was analyzed to answer the research questions. The results show that almost 54% of the students were bully victims and over a quarter of them had been cyber-bullied. More than half of the students knew someone being cyber-bullied. Over 40% cyberbully victims had no ideas who cyber-bullied them. Further, there was a close tie among bullies, cyberbullies, and cyberbully victims. Introduction School violence is a serious social problem both in Europe (Clarke & Kiselica, 1997; Hoover & Juul, 1993) and North America (Hoover & Olsen, 2001; Charach, Pepler, & Aiegler, 1995). This problem is particularly persistent and acute during junior high/middle school period (National-Center-for-Educational-Statistics, 1995). Possible reasons explaining this high frequency of school violence observed include the drastic biological and social changes experienced by adolescents. “[A]dolescence is a period of abrupt biological and social change. Specifically, the rapid body changes associated with the onset of adolescence and changes from primary to secondary school initiate dramatic changes in youngster’s peer group composition and
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».