MétaCan
Menu
Retour à la cohorte
Enregistrement W2797685293 · doi:10.19044/esj.2018.v14n8p1

Bullying and Mobbing in Academe:A Literature Review

2018· article· en· W2797685293 sur OpenAlexaff
Chad Prevost, Elena Hunt

Notice bibliographique

RevueEuropean Scientific Journal ESJ · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWorkplace Violence and Bullying
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésMobbingCivilityHarassmentSeniorityPsychologySocial psychologyEthnic groupDeviance (statistics)Sexual orientationCoping (psychology)IncivilityClinical psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

This review of the current state of literature in regards to academic mobbing found that the most common types of bullying were psychological and emotional attacks, often directed towards an academic by either administrators, other academics and faculty, or even students. Many risk factors are related to academic mobbing, including sex, sexual orientation, gender, race and ethnicity, rank or seniority, work experience, and age. Incidents of academic bullying often lead to multiple negative outcomes on victims, including physical, emotional and psychological damages, as well as various work-related and institutional consequences. Some coping strategies are summarized. Universities and academia in general, should help foster a culture and an environment of civility. More specifically, policies of respectful workplaces should be created and enforced, with a focus on reducing or eliminating incidents of academic mobbing.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0100,011
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
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 Opus0,024
Tête enseignante GPT0,331
Écart entre enseignants0,306 · 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.

Devis d'étudeSans objet
DomaineIncitatifs
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations42
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Scientific Journal ESJMême sujetWorkplace Violence and BullyingTravaux en français237 207