MétaCan
Menu
Retour à la cohorte
Enregistrement W2076217561 · doi:10.1080/10439463.2014.989154

Collaborative responses to cyberbullying: preventing and responding to cyberbullying through nodes and clusters

2014· article· en· W2076217561 sur OpenAlexaff
Ryan Broll

Notice bibliographique

RevuePolicing & Society · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueBullying, Victimization, and Aggression
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCyberspaceLaw enforcementComputer securityCorporate governanceInternet privacyPosition (finance)Public relationsBusinessSociologyPolitical scienceThe InternetComputer scienceLawWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The distributed nature of cyberspace requires that security issues be addressed within plural policing environments in which public and private actors work together to form a security quilt. Cyberbullying is increasingly recognised as a serious social concern and a legitimate security threat that affects a large number of young people in cyberspace. Drawing on nodal governance theory, this article uses data from in-depth qualitative interviews with 34 members of the parent, educational system and law enforcement nodal clusters to explore adults' responses to cyberbullying. In particular, I examine the types of capital possessed by each cluster, their position within the cyberbullying security network, how they achieve security and limitations experienced by each cluster. The parent cluster was identified as central to the security network, whereas the educational system occupies a secondary position and the law enforcement cluster serves primarily as a knowledge broker. Each cluster is limited by a lack of familiarity and a comfort with cyberspace and electronic communications. An examination of internodal relations revealed several gaps in the security network and a number of structural and cultural variables that limit the network's security potential.

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,004
Communication savante0,0020,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,020
Tête enseignante GPT0,330
Écart entre enseignants0,311 · 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

Citations24
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicing & SocietyMême sujetBullying, Victimization, and AggressionTravaux en français237 207