Psychological Predictors of Cyber Bullying in Early Adulthood
Notice bibliographique
Résumé
Objectives: The aim of the present research was to investigate the possible psychological predictors of cyber bullying behavior in early adulthood. It was hypothesized that lack of empathy and emotional-behavioral problems would be related to the cyber bullying as well as will prove significant predictors of cyber bullying behavior in early adulthood. Design: It was a co-relational study and cross-sectional research design was followed. Duration and place of study: It took six months to collect data from three sites of Lahore, Pakistan; that were colleges, universities and net cafes. Sample and method: Purposive Sample of 150 young adults including 78 men and 72 women with age range 18-25 was drawn Assessment measures were Toronto Empathy Questionnaire 1 and Cyber Bullying Scale2. For emotional problems Depression, Anxiety and Stress 23 and for behavioral problems Aggression Questionnaire 4 was used. Results: Results revealed that there was a significant inverse relationship between empathy and cyber bullying, whereas significant positive relationship between emotional-behavioral problems and cyber bullying. Multiple Hierarchical regression analysis revealed that lack of empathy and emotional problems were significant predictors of cyber bullying. All the three groups including young adults from universities, colleges and net cafes perform significantly different on all study variables. The present research findings will give new directions for future studies in the field of cyber crimes as well as in making therapeutic intervention plans to treat emotionalbehavioural problems in youth.
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 ».