Notice bibliographique
Résumé
Aggression observed in early childhood is considered to be an important problem. Multiple factors may play a decisive role in children’s aggressive behaviors. The aim of this study was to examine whether the receptive and expressive language skills of preschool children (39-75 months-old) had predictive role on the levels of physical and relational aggression. The sample of the present study consists of 109 preschool children (47 girls and 62 boys). The language development levels of children in the sample were evaluated by TEDIL (Turkish Early Language Development Test) and their aggression levels were evaluated via Preschool Social Behavior Scale which were filled by their teachers. Pearson product moment correlation coefficient and stepwise regression analysis were used to analyze the data. According to the findings of the study, there was a significant and negative relationship between children’s receptive and expressive language skills and physical and relational aggression levels. The results of regression analysis revealed that physical aggression was negatively and significantly predicted by expressive language skills. In addition, relational aggression is negatively and significantly predicted by both receptive and expressive language skills. The increase in children's language skills significantly explains the decrease in physical and relational aggressive behaviors. The relationship between language skills and aggressive behaviors of Turkish preschool children was examined for the first time in this study. It is thought that the present study will contribute to the literature since it reveals the current situation in terms of the relationships between children's language skills and aggression levels and provide opportunities to make comparisons with the results of international studies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».