Cyberbullying and its effects on young adolescents: a community-based survey
Notice bibliographique
Résumé
OBJECTIVES: To conduct a study looking at the prevalence and nature of Internet and mobile phone use in young people, focusing particularly on cyberbullying and its potential effects on young people's mental health. METHOD: Three secondary schools in an area of North Dublin were randomly selected, which included one all boys school, one all girls school and one co-educational school. Written information about the study was given to each school principal and to parents/carers of all first and second year students. First and second year students in each school from whom consent had been received were asked to complete two questionnaires, which included a questionnaire on cyberbullying and a self-report version of the Strengths and Difficulties Questionnaire (SDQ). A total of 130 students completed the study. RESULTS: A total of 24 (18.46%) pupils were cyberbullied. Of these, 13 (65% of those cyberbullied) pupils who were cyberbullied said that it had a negative effect on their mood, and 9 (45% of those cyberbullied) said that cyberbullying had a negative effect on their overall mental health. A statistically significant higher proportion of pupils who were cyberbullied scored in the Abnormal/Borderline range of the SDQ, compared with those who were not cyberbullied. CONCLUSION: This is the first study in Ireland, which looks at the potential mental health difficulties associated with cyberbullying. It is hoped that the information from this study will help to increase awareness of the effects of cyberbullying and help look at ways of managing cyberbullying.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».