A Non-bipartite Propensity Score Analysis of the Effects of Teacher–Student Relationships on Adolescent Problem and Prosocial Behavior
Notice bibliographique
Résumé
Previous research suggests a link between the quality of teacher-student relationships and the students' behavioral outcomes; however, the observational nature of past studies makes it difficult to attribute a causal role to the quality of these relationships. In the current study, therefore, we used a propensity score analysis approach to evaluate whether students who were matched on their propensity to experience a given level of relationship quality but differed on their actual relationship quality diverged on their concurrent and subsequent problem and prosocial behavior. Student/self, teacher, and parent- (only waves 1-3) reported data from 8 waves of the Zurich Project on the Social Development of Children and Youths (z-proso), a longitudinal study of Swiss youth among a culturally diverse sample of 7- to 15-year-olds were utilized. The initial sample included 1483 (49.4 % female) students for whom information relevant for this study was available. The sample represented families from around 80 different countries, from across all the continents; with approximately 42 % of the female primary caregivers having been born in Switzerland. Following successful matching, we found that students who reported better relationships with their teachers and whose teachers reported better relationships with them evidenced fewer problem behaviors concurrently and up to 4 years later. There was also evidence for an analogous effect in predicting prosocial behavior. The implications of these findings are discussed in relation to prevention and intervention practices.
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 | 0,000 | 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 ».