MétaCan
Menu
Retour à la cohorte
Enregistrement W2766798286 · doi:10.6000/1929-4409.2017.06.20

Literature and Bullying: Teenage and Children Novels on School Bullying Prevention

2017· article· en· W2766798286 sur OpenAlexvenueno aff
Evangelia Raptou

Notice bibliographique

RevueInternational Journal of Criminology and Sociology · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueBullying, Victimization, and Aggression
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhenomenonConsciousnessPsychologyVariety (cybernetics)Educational organizationEveryday lifeJuvenile delinquencyDevelopmental psychologySocial psychologyEpistemologyPedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

Juvenile delinquent or deviant behavior appears in various forms in modern academic reality. It is widely known under the international term "school bullying". The systemic view of an educational organization as it studies the variety of school and social system parameters that explain and contribute to the emergence of problematic behaviors in schools positively contributes to a better understanding of that behaviors considered within the framework of interactions that generate and reproduce it. Qualitative literary works, by which this phenomenon is approached in a novel way and the "omnipotent narrator" dominates, provide the possibility of a holistic and systemic view and indirect aids in strategies for preventing, detecting and curing the offending incidents in modern schools. The purpose of this paper is to connect the phenomenon of bullying appearing in teenage and children novels with the way that texts could illuminate and enlighten youth consciousness in order to become safe guides or useful paradigms in their everyday life. The texts examined under present study are the novels (a) Thirteen Reasons Why, by Jay Asher (b) Finding Audrey, by Sophie Kinsella and (c) Together, by Eleni Priοvolou.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0080,009
Communication savante0,0050,003
Science ouverte0,0010,003
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,047
Tête enseignante GPT0,356
Écart entre enseignants0,309 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Criminology and SociologyMême sujetBullying, Victimization, and AggressionTravaux en français237 207