Who Would You Tell? A Canadian Youth’s Perspective of Reporting Incidents of Cyberbullying
Notice bibliographique
Résumé
Background: Inappropriate communication technology, electronic bullying, Internet harassment, cyber aggression. These are all terms that describe the pervasive and difficult issue known as cyberbullying (Tokunaga, 2010). Cyberbullying has been linked to psychosocial issues, substance use, behavioural and school problems (Berne et al., 2013). Purpose: Using previous data from two exploratory studies of cyberbullying among secondary students in Saskatchewan, we aimed to better understand student reactions to cyberbullying and the reasons for those reactive decisions. Methods: Quantitative data was collected from 396 students in rural and urban areas of Saskatchewan. Also, qualitative follow-up data was collected by employing two semi-structured focus groups with students to provide a better understanding of the quantitative results. Results: Both quantitative and qualitative data suggested that students are apprehensive about reporting to parents when they face instances of cyberbullying. They are also unlikely to seek help from a teacher. Fortunately, the majority of students noted that they would be likely to tell a friend or other family member if it were serious. Conclusion: Cyberbullying continues to be an important issue of study among Canadian students. Further research is needed to understand the approaches and reasons that students take when they face instances of cyberbullying.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,037 | 0,009 |
| Communication savante | 0,009 | 0,003 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».