MétaCan
Menu
Retour à la cohorte
Enregistrement W2981100702 · doi:10.5430/wje.v9n5p41

What Really Matters for Social Adaptation Among Left-Behind Children in China? A Systematic Review and Meta-Analysis

2019· review· en· W2981100702 sur OpenAlexvenueno aff
Junhua Zhang, Yu Zhang, Fang Xu

Notice bibliographique

RevueWorld Journal of Education · 2019
Typereview
Langueen
DomaineSocial Sciences
ThématiqueChild Welfare and Adoption
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLonelinessPsychologyPsychological resilienceMeta-analysisCoping (psychology)Developmental psychologyLeft behindChinaSocial supportAdaptation (eye)Social psychologyClinical psychologyMedicineMental healthGeography

Résumé

récupéré en direct d'OpenAlex

Compared with non-left-behind children, left-behind children in China have lower social adaptation and theunderlying reasons deserve further study. This systematic review and meta-analysis included 29 studies publishedbetween 2006 and 2019. Protective factors of Left-behind children's social adaptation were resilience (r=0.574),self-efficacy (r=0.538), emotional intelligence (r=0.421), self-esteem (r=0.404), positive coping (r=0.471),attachment (r=0.354) and social support (r=0.338) while risky factors were loneliness (r=- 0.453) and socialanxiety(r=-0.360). Age, birthplace, father/mother migration and the frequency of parent-child communication alsohave a certain impact on their social adaptation, but the effect size is relatively small. This study can provide someenlightenment for intervention programs and policy adjustment. More empirical studies focusing on influencingfactors for social adaptation of left-behind children will be needed in the future.

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)0,003
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: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,819
Score d'incertitude au seuil0,722

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,076
Tête enseignante GPT0,392
Écart entre enseignants0,316 · 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'étudeMéta-analyse
Domainenon disponible
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

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of EducationMême sujetChild Welfare and AdoptionTravaux en français237 207