Notice bibliographique
Résumé
Central to the definition of bullying is the abuse of power. Power relationships are inherent in social groups, by virtue of differing size, strength, age, socioeconomic status (SES), or social connectedness of individuals. Beyond the influence of these individual characteristics, environmental factors have the potential to affect the power dynamic in bullying and victimization, but are a relatively unexplored research area. In particular, we know little about how the community-level factors relate to bullying in the adolescent population. The present study is guided by a social ecological perspective to gain a deeper understanding of the individual and built community characteristics (e.g., parks, recreational spaces, buildings that facilitate social interaction and community connectedness) that contribute to the power dynamics related to victimization or bullying in traditional and electronic contexts. Data were collected from 17,777 students in Grades 6 to 10 as part of the 2009/2010 Health Behavior in School-aged Children (HBSC) Survey, from Geographical Information Systems (GIS) data, and from 2006 Canadian Census data. Two nested models were run using HLM with age, gender, ethnicity, SES, social inclusion factors (e.g., collective efficacy), and community resource factors (e.g., access to recreation) as predictors. Characteristics of individuals that placed them at a power disadvantage (being younger, female, and having low SES) were linked to higher rates of victimization. Lower individual collective efficacy was also associated with higher rates of traditional and electronic victimization. Community recreational opportunities were associated with decreased victimization in both contexts. The relative importance of individual and built environmental factors and conceptualization of bullying interactions within a social ecology model are discussed.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».