MétaCan
Menu
Retour à la cohorte
Enregistrement W2163901531 · doi:10.1177/0165025414531464

Positive effects of promoting prosocial behavior in early adolescence

2014· article· en· W2163901531 sur OpenAlexaff
Gian Vittorio Caprara, Bernadette Paula Luengo Kanacri, María Gerbino, Antonio Zuffianò, Guido Alessandri, Giovanni Maria Vecchio, Eva Caprara, Concetta Pastorelli, Beatrice L. Bridglall

Notice bibliographique

RevueInternational Journal of Behavioral Development · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueBullying, Victimization, and Aggression
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésProsocial behaviorAggressionPsychologyDevelopmental psychologyIntervention (counseling)Verbal aggressionAcademic achievementClinical psychologyPoison controlHuman factors and ergonomicsMedicine

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to evaluate the effects of a pilot school-based intervention called CEPIDEA, designed to promote prosocial behavior in early adolescence. The study took place in a middle school located in a small city near Rome. The intervention group included 151 students (52.3% males; M age = 12.4), and the control group 173 students (50.3% females; M age = 13.0). Both groups were assessed at three time points, each 6 months apart. A Latent Growth Curve analysis revealed that the intervention group, compared to the control group, showed an increase of helping behavior along with a decrease of physical and verbal aggression across time. Current results also showed that the increase of helping behavior mediated the decline of verbal aggression in adolescents who had attended the intervention. Participants of CEPIDEA also attained higher grades than the control group at the end of middle school. Overall, findings suggest that promoting prosocial behavior may serve to counteract aggressive conduct and enhance academic achievement during adolescence.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,015
Tête enseignante GPT0,321
Écart entre enseignants0,306 · 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

Citations191
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Behavioral DevelopmentMême sujetBullying, Victimization, and AggressionTravaux en français237 207