L’intervention en contexte de cyberintimidation : les pratiques des enseignants
Notice bibliographique
Résumé
La cyberintimidation est une forme de violence de plus en plus préoccupante pour la société et pour le milieu scolaire. Souvent commises dans Internet ou sur le téléphone cellulaire, les agressions ont des conséquences psychologiques, sociales et scolaires très graves chez les victimes, les agresseurs et les témoins, et il est important d’intervenir adéquatement. Cette étude vise à mieux connaître les types d’intervention utilisés par les enseignants auprès des élèves qui ont des comportements de cyberintimidation et à mieux comprendre les bases qui expliquent ces choix d’intervention. Des entrevues menées auprès de 10 enseignants des 7e, 8eet 9eannées ont permis de relever leurs interventions les plus courantes pour gérer et traiter les comportements de cyberintimidation de leurs élèves, connaître leur perception de l’efficacité de ces pratiques et explorer les fondements théoriques sur lesquels ils s’appuient dans leurs choix d’intervention. L’analyse de leurs témoignages, mise en perspective avec la littérature scientifique sur le sujet, permet de proposer un nouveau modèle d’intervention auprès des auteurs de cyberintimidation. Après avoir confronté les résultats au modèle d’intervention d’Hinduja et Patchin (2009), les auteures suggèrent de nouvelles pistes d’intervention pour améliorer la formation des enseignants dans ce domaine.
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 | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».