Examining Cross-Cultural Differences in Youth's Moral Perceptions of Cyberbullying
Notice bibliographique
Résumé
Cyberbullying has captured attention around the globe with research taking place in North and South America, Europe, and Asia. However, few of these studies have compared children and adolescents from countries with diverse cultural backgrounds, with research on Middle Eastern countries remaining scarce. To examine the influence of culture, gender, and participant roles in cyberbullying (bystander vs. perpetrator) on children and adolescents' moral evaluations of hypothetical cyberbullying events, participants read and evaluated four vignettes. Three sets of data were collected in Canada (n = 100), China (n = 100), and Iran (n = 101). Participants (N = 300; 49 percent male) were between 8 and 16 years of age (M = 11.73; standard deviation = 0.76). Two vignettes considered the perspective of a perpetrator, whereas the two others considered the perspective of a bystander. A repeated-measures analysis of variance showed that youth from Iran evaluated cyberbullying events less negatively than Canadian and Chinese youth. Regardless of culture, females evaluated cyberbullying events more negatively than males. Persian youth evaluated cyberbullying less negatively than Canadian and Chinese youth. With age, participants attributed less shame to cyberbullying behaviors. However, Chinese and Persian youth attributed more hubristic pride than Canadian youth with age. Also, Canadian and Chinese children rated perpetrator behaviors more negatively than their Persian counterparts. However, bystander behaviors were similarly negatively rated across cultures. This study breaks new ground by examining moral evaluations of cyberbullying according to participant role, culture, and gender. Findings from this study may be helpful to educators and policymakers to strengthen moral and diversity education in schools to help mitigate cyberbullying events.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».