MétaCan
Menu
Retour à la cohorte
Enregistrement W2287726639 · doi:10.1177/0044118x15621465

Understanding Adolescent Narratives About “Bullying” Through an Intersectional Lens: Implications for Youth Mental Health Interventions

2016· article· en· W2287726639 sur OpenAlexafffundabout
Rebecca Haines‐Saah, Carla Hilario, Emily Jenkins, Cara Ng, Joy L. Johnson

Notice bibliographique

RevueYouth & Society · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueBullying, Victimization, and Aggression
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPsychological interventionMainstreamMental healthNarrativePsychologyAggressionDistressPeer victimizationQualitative researchPeer groupPoison controlSocial psychologyDevelopmental psychologySuicide preventionSociologyClinical psychologyMedicinePsychotherapistPsychiatryPolitical science

Résumé

récupéré en direct d'OpenAlex

This article is based on findings from a qualitative study with 27 adolescents in northern British Columbia, Canada. Our aim was to explore youths’ perspectives on the sources of emotional distress in their lives and how these are connected to peer-based aggression and victimization within their community. Our analysis of narrative findings suggests that youths’ narratives about bullying reflect intersecting and socially embedded configurations of “race,” neocolonialism, and place. We argue that mainstream approaches to addressing bullying as a relationship-based problem must be re-oriented to account for the role of the social or structural contexts of youths’ lives. By applying an intersectional lens, we make the case for a widening of the focus of interventions away from individual victims and perpetrators, toward a contextual approach that addresses how adolescents experience bullying as a site of health and social inequities in their community.

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)0,011
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,210
Score d'incertitude au seuil0,418

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0170,020
Communication savante0,0130,011
Science ouverte0,0020,011
Intégrité de la recherche0,0020,005
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 Opus0,221
Tête enseignante GPT0,393
Écart entre enseignants0,172 · 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'étudeQualitatif
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

Citations28
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueYouth & SocietyMême sujetBullying, Victimization, and AggressionTravaux en français237 207