Socioeconomic Inequality in Exposure to Bullying During Adolescence: A Comparative, Cross-Sectional, Multilevel Study in 35 Countries
Notice bibliographique
Résumé
OBJECTIVES: We examined the socioeconomic distribution of adolescent exposure to bullying internationally and documented the contribution of the macroeconomic environment. METHODS: We used an international survey of 162,305 students aged 11, 13, and 15 years from nationally representative samples of 5998 schools in 35 countries in Europe and North America for the 2001-2002 school year. The survey used standardized measures of exposure to bullying and socioeconomic affluence. RESULTS: Adolescents from families of low affluence reported higher prevalence of being victims of bullying (odds ratio [OR] = 1.13; 95% confidence interval [CI] = 1.10, 1.16). International differences in prevalence of exposure to bullying were not associated with the economic level of the country (as measured by gross national income) or the school, but wide disparities in affluence at a school and large economic inequality (as measured by the Gini coefficient) at the national level were associated with an increased prevalence of exposure to bullying. CONCLUSIONS: There is socioeconomic inequality in exposure to bullying among adolescents, leaving children of greater socioeconomic disadvantage at higher risk of victimization. Adolescents who attend schools and live in countries where socioeconomic differences are larger are at higher risk of being bullied.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».