Protective and Risk Factors Associated With Youth Attitudes Toward Violence in Canada
Notice bibliographique
Résumé
Adolescents and young adults are the main perpetrators and victims of violence in almost all parts of the world. Theories of human behavior predict that the intention to behave violently is formed in part by the individual’s attitude toward violent behavior. The purpose of this study was thus to investigate factors which both promote and protect against violent youth attitudes in Toronto, Canada’s largest urban center. Multinomial logit models were fit separately for males and females in Grades 7 to 9 using cross-sectional data from the 2006 International Youth Survey. Odds ratios were estimated for the associations between levels of attitude toward violence and select factors in each of the biological, familial, peer-related, school and community domains. A graded effect of school attachment on violent attitude was observed for both sexes; male and female students who do not like school at all are 9.89 (3.15-31.0) and 6.49 (2.19-19.2) times as likely as those who like school a lot to have the “most” versus “least” violent attitude, respectively. For every one-unit increase in (negative) perception of neighborhood score, male and female students are 1.15 (1.07-1.23) and 1.20 (1.12-1.28) times as likely to have the “most” versus “least” violent attitude. The number of victimization events was associated with attitude toward violence in males but not females, while the reverse was true for academic performance and exposure to prejudice. Our findings highlight the important relationships between connections to social environments and youth attitudes toward violence, and identify modifiable factors which may be amenable to intervention. Sex-specific differences in the predictors of violent youth attitudes warrant additional investigation and have implications for policy design.
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 | 0,001 |
| 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 ».