What Influences Educators’ Design Preferences for Bullying Prevention Programs? Multi-level Latent Class Analysis of a Discrete Choice Experiment
Notice bibliographique
Résumé
We used a discrete choice conjoint experiment to model the anti-bullying (AB) program preferences of 1080 junior kindergarten to Grade 8 educators. Participants chose between hypothetical AB programs that varied combinations of 12 design attributes. Multi-level latent class analysis yielded three classes: All-in Supervisors (21.5%) preferred that all teaching staff supervise playgrounds and hallways; Facilitators (61.6%) preferred that students take ownership of AB activities with 25% of educators supervising playgrounds and hallways; and Reluctant Delegators (16.9%) preferred delegating the supervision of playgrounds and hallways to non-teaching staff. This class reported higher dispositional reactance, more implementation barriers, and more psychological reactance to these initiatives. They were less sensitive to social influences and less intent on participating in AB activities. Multi-level analysis showed a greater proportion of Reluctant Delegators clustered in one of the two groups of schools. The program choices of all classes were sensitive to the support of principals, colleagues, students, and, to a lesser extent, parents. All classes preferred programs conducted from kindergarten through Grade 12 that addressed the problems underlying bullying while valuing firm and consistent consequences for all students. Educators preferred AB programs selected by individual schools, rather than governments.
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) | 0,001 | 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 ».