Prevalence and correlates of the perpetration of cyberbullying among in-school adolescents in Oyo State, Nigeria
Notice bibliographique
Résumé
OBJECTIVE: Cyberharassment/cyberbullying is a global problem that has been inadequately investigated in developing countries. In this paper, we present findings on the prevalence and predictors of perpetration of cyberbullying among in-school adolescents in Oyo state, Nigeria. METHODS: A total of 653 students were selected via multi-stage sampling. Information on history of perpetrating harassment via an electronic medium in the 3-month period preceding the survey was obtained. RESULTS: Respondents' mean age was 14.2±2.2 years and 51.3% were females. All respondents had personal mobile phones and about half had Internet access. About 40% accessed the Internet every day while about 48% accessed it at least once to several times a week and <5% accessed it about once every 2 weeks. One hundred and fifty-six (23.9%) had harassed someone electronically, 260 (39.8%) had been victimized, and 137 (21.0%) were both victims and perpetrators. Common modes of harassment were via phone calls 99 (63.5%), chat rooms 70 (44.9%), and text messages 60 (38.5%). Students who had been victims of cyberbullying (OR=21.76, 95% CI=12.64-37.47) and those with daily Internet access (OR=2.32, 95% CI=1.28-4.19) had significantly higher Oods of being perpetrators. CONCLUSION: About a quarter of students were perpetrators of cyberbullying, and the correlates of perpetration were history of cyber victimization and daily Internet access. Intervention programs must be instituted for victims as well as frequent users of the Internet to curb the problem in the study area.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».