Sexual orientation trends and disparities in school bullying and violence-related experiences, 1999–2013.
Notice bibliographique
Résumé
Numerous recent studies have demonstrated that schools are often unsafe for lesbian, gay, and bisexual (LGB) adolescents, who are more likely than heterosexual peers to be bullied, harassed, or victimized in school contexts. Virtually all of these studies call for change, yet none investigate whether or not it has occurred. Using repeated waves of a population-based high school survey, we examine (1) the extent to which sexual orientation differences in school bullying and violence-related experiences are reported by lesbian/gay, bisexual, and heterosexual male and female adolescents; (2) trends in school bullying and violence-related experiences for each gender/orientation group, and (3) whether disparities have changed over time. Data were drawn from eight Massachusetts biennial Youth Risk Behavior Surveys from 1999 to 2013, grouped into 4 waves totaling 24,845 self-identified heterosexual, 270 lesbian/gay, and 857 bisexual youth. Disparities between LGB and heterosexual peers were found in all indicators. Heterosexual youth and gay males saw significant reductions in every outcome between the first and last waves. Among bisexual males, skipping school due to feeling unsafe, carrying weapons in school, and being bullied all decreased, but among lesbians and bisexual females only fighting in school declined significantly. Improvement trends in school safety were more consistent for heterosexual youth and gay males than for bisexual or lesbian females. Notably, despite these improvements, almost no reduction was seen in sexual orientation disparities. Future research should identify influences leading to reduced school victimization, especially focusing on ways of eliminating persistent sexual orientation disparities. Future research should identify influences leading to reduced school victimization, especially focusing on ways of eliminating persistent sexual orientation disparities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».