Countering School Bullying: An Examination of Policy Implementation in Ontario and Saskatchewan
Notice bibliographique
Résumé
The incidence of extreme school violence as a direct consequence of bullying among peers, exacerbated by vast media attention, has caused educational institutions worldwide to review issues of bullying intervention and prevention. Many Canadian provinces have implemented guiding principles to counter bullying in schools. This study focuses on a review and comparison of two provincewide antibullying incentives in Ontario and in Saskatchewan through a content analysis of their respective school board or school division policies. An itemized list of beneficial practices for bullying intervention and prevention originated from the scoring scheme of Smith, Smith, Osborn, and Samara (2008) and was adapted by linking research-based program elements that have been found to be effective in reducing school bullying to a content analysis of both provincial frameworks. The final scoring scheme comprised a total of 39 criterions, divided into five categories: Defining Bullying Behaviors, Establishing a Positive School Climate, Disseminating, Monitoring and Reviewing Policy, Reporting and Responding to Bullying, and Involving the Broader Community. Results showed that policies contained a total average of 60 percent of the criterions in Ontario, and 59 percent in Saskatchewan. The conclusion of this study observes from policy lenses key essentials of bullying intervention and prevention initiatives in elementary and secondary educational settings. Recommendations are proposed to bridge the gap between areas that have received extensive attention and areas that have received less treatment in bullying intervention and prevention endeavors, using the content of Ontario and Saskatchewan policies as a basis for discussion.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».