MétaCan
Menu
Retour à la cohorte
Enregistrement W2903439891 · doi:10.3390/socsci7120251

What Parents Can Do to Prevent Cyberbullying: Students’ and Educators’ Perspectives

2018· article· en· W2903439891 sur OpenAlexaffabout
Wanda Cassidy, Chantal Faucher, Margaret Jackson

Notice bibliographique

RevueSocial Sciences · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueBullying, Victimization, and Aggression
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésKindnessPsychologyVulnerability (computing)Promotion (chess)Social psychologyDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

This article presents findings related to the role parents can play in the prevention of cyberbullying and the promotion of cyber-kindness. The findings are drawn from a study conducted at a private school in Western Canada, involving 177 student survey participants in Grades 8 through 10 (including both day students and boarding students) and interviews with 15 educators employed at the same school. Findings relate to parental supervision of computer usage, students’ willingness to inform parents about cyberbullying, and how students and educators view the role of parents in relation to the prevention of cyberbullying and the promotion of cyber-kindness. Education, dialogue, relationship strengthening, computer usage monitoring, and partnerships between schools and parents are emphasized as solutions, which are highly consistent with the existing research literature on this topic. Additionally, the study reveals the particular vulnerability of boarding students to cyberbullying victimization and perpetration.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,849

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
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 Opus0,039
Tête enseignante GPT0,399
Écart entre enseignants0,359 · 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.

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

Citations20
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSocial SciencesMême sujetBullying, Victimization, and AggressionTravaux en français237 207