MétaCan
Menu
Retour à la cohorte
Enregistrement W2057132731 · doi:10.1111/j.1532-7795.2006.00500.x

Trajectories of Prosocial Behavior and Physical Aggression in Middle Childhood: Links to Adolescent School Dropout and Physical Violence

2006· article· en· W2057132731 sur OpenAlexaff
Katja Kokko, Richard E. Tremblay, Éric Lacourse, Daniel S. Nagin, Frank Vitaro

Notice bibliographique

RevueJournal of Research on Adolescence · 2006
Typearticle
Langueen
DomainePsychology
ThématiqueBullying, Victimization, and Aggression
Établissements canadiensUniversité de Montréal
Organismes subventionnairesAcademy of FinlandFrancis Crick Institute
Mots-clésProsocial behaviorAggressionPsychologyDropout (neural networks)School dropoutDevelopmental psychologyPoison controlClinical psychologyMedicineMedical emergency

Résumé

récupéré en direct d'OpenAlex

Trajectories of prosocial behavior and physical aggression between 6 and 12 years of age were identified for a sample (N=1,025) of males. The trajectories were then used to predict school dropout and physical violence at age 17. Using a group‐based semi‐parametric method, two trajectories of prosociality (low and moderate declining) and three trajectories of physical aggression (low, moderate, and high declining) were obtained. Only a small minority (3.4%) of the boys were characterized by both high aggression and moderate prosociality. Physical aggression predicted both school dropout and physical violence, but contrary to expectations, prosocial behavior did not have additive or protective effects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,380
Écart entre enseignants0,344 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations276
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research on AdolescenceMême sujetBullying, Victimization, and AggressionTravaux en français237 207