MétaCan
Menu
Retour à la cohorte
Enregistrement W2746829872 · doi:10.5430/wje.v7n4p50

Teaching Practices, School Support and Bullying

2017· article· en· W2746829872 sur OpenAlexvenueno aff
Ana Carolina Reyes‐Rodríguez, José Ángel Vera Noriega, Ángel Alberto Váldes Cuervo

Notice bibliographique

RevueWorld Journal of Education · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueBullying, Victimization, and Aggression
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPermissiveIntervention (counseling)PsychologyStructural equation modelingHuman factors and ergonomicsSuicide preventionInjury preventionDevelopmental psychologyOccupational safety and healthPoison controlMedicineEnvironmental healthMathematics

Résumé

récupéré en direct d'OpenAlex

Research in recent years indicates that schools, and in particular teaching practices, play an essential role in preventing bullying. This study’s aim is to investigate the direct and indirect relationships between permissive and direct intervention teacher practices, school support and bullying. In a non-probabilistic way, 386 (58.1%) boys and 278 (41.9%) girls from 30 primary schools were selected in a city in the northwest of Mexico. The average age of students was 10.4 years (SD = 1.3 years). From the results of the calculation of a model of structural equations, it is inferred that permissive teaching practices are directly related positively to bullying, whereas direct intervention does it in a negatively. It is seen that both types of practices are indirectly related to bullying through its effects on school support. These findings confirm the role of the teacher in the prevention of bullying.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,323
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,036
Tête enseignante GPT0,388
Écart entre enseignants0,351 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of EducationMême sujetBullying, Victimization, and AggressionTravaux en français237 207