MétaCan
Menu
Retour à la cohorte
Enregistrement W2103897715 · doi:10.1177/0265407510373259

Distinguishing children who form new best-friendships from those who do not

2010· article· en· W2103897715 sur OpenAlexaff
Julie C. Bowker, Bridget K. Fredstrom, Kenneth H. Rubin, Linda Rose‐Krasnor, Cathryn Booth‐LaForce, Brett Laursen

Notice bibliographique

RevueJournal of Social and Personal Relationships · 2010
Typearticle
Langueen
DomainePsychology
ThématiqueBullying, Victimization, and Aggression
Établissements canadiensBrock University
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Mental Health
Mots-clésFriendshipProsocial behaviorPsychologyBest practiceDevelopmental psychologySocial psychologyPeer group

Résumé

récupéré en direct d'OpenAlex

Three groups were identified using best-friendship nominations at two time points surrounding the transition to middle school (Time 1: Spring of 5th grade; Time 2: Fall of 6th grade): (i) children who had no best-friendship at Time 1, but had a best-friendship at Time 2 (best-friendship gain; N = 109); (ii) children who had no best-friendship at either Time 1 or 2 (chronically best-friendless; N = 105); and (iii) children with a best-friendship at both Times 1 and 2, but with different peers at each time (best-friendship change; N = 120). Peer nominations of social behaviors and victimization were collected at Times 1 and 2. Findings suggest that attraction to similar others, in addition to increased displays of prosocial behaviors, facilitate the formation of new best-friendships for both initially best-friendless and best-friended children.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,133
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,052
Tête enseignante GPT0,320
Écart entre enseignants0,268 · 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 tête enseignante, pas un consensus.

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

Citations41
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Social and Personal RelationshipsMême sujetBullying, Victimization, and AggressionTravaux en français237 207