MétaCan
Menu
Retour à la cohorte
Enregistrement W2130974636 · doi:10.5539/res.v7n5p225

Prevention and Correction of Juvenile Neglect

2015· article· en· W2130974636 sur OpenAlexvenueno aff
Nadezhda Yu. Kostyunina, Roza A. Valeeva

Notice bibliographique

RevueReview of European Studies · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Methods and Teacher Development
Établissements canadiensnon disponible
Organismes subventionnairesKazan Federal University
Mots-clésNeglectPsychologyJuvenile delinquencyPopulationDevelopmental psychologySocial psychologyPsychiatrySociology

Résumé

récupéré en direct d'OpenAlex

The problem of juvenile neglect in recent years has gained particular relevance since the phenomena of family’s non-participation in the life of the child as well as children in their own lives have spread. The article reveals the essence, the main causes of neglect, or homelessness. Juvenile neglect is a reflection of the negative processes caused by economic factors, low spiritual and moral values of the population, the growing number of delinquency among adolescents and young adults, the problem of alcoholism and drug abuse, an insufficient number of methodological literature on this issue. The article describes the characteristic features of neglected teenagers: intellectual rigidity, proneness to conflict and the inability to communicate with people, alienation, irresponsibility and indifference to the fate of others, self-doubt. It also considers a system of corrective and preventive measures to stop juvenile neglect. The experimental work involved 132 school teenagers from Kazan (Republic of Tatarstan). For the implementation of the experiment there were used the following techniques: “The High School Personality Questionnaire (HSPQ) of Cattell, methods of “Diagnosis of the social and psychological adaptation” by Rogers and Diamond, Parental Attitude Questionnaire (PAQ) of Varga and Stolin, as well as methods of mathematical statistics, Student’s t-test to check hypotheses for the reliability of mean difference.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,147
Tête enseignante GPT0,390
Écart entre enseignants0,244 · 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'étudeSans objet
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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of European StudiesMême sujetEducational Methods and Teacher DevelopmentTravaux en français237 207