Using Social Cognitive Theory to predict hazing perpetration in athletics
Notice bibliographique
Résumé
Hazing has been defined as "any activity expected of someone joining a group that humiliates, degrades, abuses or endangers, regardless of the persons willingness to participate" (Hoover, 1999, p.8). Despite the potential seriousness of hazing activities, very few studies have examined hazing from a theoretical perspective, particularly within the context of athletics. The purpose of the present study was to utilize Social Cognitive Theory (Bandura, 1986) to predict the perpetration of hazing behaviour, with a particular focus on select personal and environmental factors. Participants included 338 athletes from 27 sports teams at seven Atlantic Canadian universities. Participants completed questionnaires related to personal factors (moral disengagement, rookie experiences with hazing, attitudes toward hazing, gender) and environmental factors (team size, degree of physical contact) were also measured. The results indicated that the personal and environmental factors included in the model significantly predicted the self-reported perpetration of hazing behaviours, accounting for nearly 50% of the variance in the dependent variable. The personal factor, experiences with hazing as a rookie, was found to be the most powerful predictor of hazing experiences as a veteran suggesting that hazing victimization leads to a higher rate of hazing perpetration. Other significant predictors included proneness for moral disengagement, attitudes about the purpose of initiation, gender and the degree of physical contact in the sport. The broader theoretical and practical implications of these findings are discussed in detail.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».