Meta‐analytic results of ethnic group differences in peer victimization
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Research on the prevalence of peer victimization across ethnicities indicates that no one group is consistently at higher risk. In the present two meta-analyses representing 692,548 children and adolescents (age 6-18 years), we examined ethnic group differences in peer victimization at school by including studies with (a) ethnic majority-minority group comparisons (k = 24), and (b) White and Black, Hispanic, Asian, and Aboriginal comparisons (k = 81). Methodological moderating effects (measure type, definition of bullying, publication type and year, age, and country) were examined in both analyses. Using Cohen's d, results indicated a null effect size for the ethnic majority-minority group comparison. Moderator analyses indicated that ethnic majority youth experienced more peer victimization than ethnic minorities in the US (d = .23). The analysis on multiple group comparisons between White and Black (d = .02), Hispanic (d = .08), Asian (d = .05), Aboriginal (d = -.02) and Biracial (d = -.05) groups indicated small effect sizes. Overall, results from the main and moderator analyses yielded small effects of ethnicity, suggesting that ethnicity assessed as a demographic variable is not an adequate indicator for addressing ethnic group differences in peer victimization. Although few notable differences were found between White and non-White groups regarding rates of peer victimization, certain societal and methodological limitations in the assessment of peer victimization may underestimate differences between ethnicities. Aggr. Behav. Aggr. Behav. 42:149-170, 2015. © 2014 Wiley Periodicals, Inc.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle