Reactive aggression and peer victimization from pre‐kindergarten to first grade: Accounting for hyperactivity and teacher–child conflict
Notice bibliographique
Résumé
BACKGROUND: The role of reactive aggression in the development of peer victimization remains unclear due in part to a failure to account for confounding problems of behavioural undercontrol (e.g., hyperactivity). As well, the school social context has rarely been examined to see whether these risks are mediated by relationships with teachers. AIMS: This study tests the prospective relations between reactive aggression, hyperactivity, victimization, and teacher-child (T-C) relationship, to determine whether conflict mediates the relationships between externalizing problems and victimization. SAMPLE: A sample of 1,114 Australian students were followed from pre-kindergarten through first grade. METHODS: Cross-lagged path analyses were conducted, with comparison of gender-moderating models and autocorrelation models. Full-information maximum likelihood was deployed to account for missingness. RESULTS: Best fitting models found that the relationship of early externalizing problems to later victimization was mediated by T-C conflict. No evidence of victimization increasing externalizing problems nor gender differences were observed. T-C conflict in kindergarten predicted subsequent increases in victimization, reactive aggression, and hyperactivity. CONCLUSIONS: Understanding the processes whereby externalizing problems confer risk of victimization involves understanding the whole social context of classrooms, including relationships with teachers. Finer-grained research is needed to better understand how peer dynamics may be influenced by observation of T-C relationships. Pre-service teacher education needs to ensure a focus on the potential social impact of teacher's relationships with students.
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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».