The Effect of Left-Behind Experience and Self-Esteem on Aggressive Behavior in Young Adults in China
Notice bibliographique
Résumé
There is little investigation on the independent effects of left-behind experience (LBE) on self-esteem and aggressive behavior in Chinese young adult populations, or the interaction effects of LBE and self-esteem on aggressive behavior. Thus, a school-based health survey was conducted in Anhui province in China in 2017. A total of 4,154 college students completed standard questionnaires which contain details of left-behind-related characters, self-esteem, aggressive behavior, and sociodemographic profile. Of included students, 55.3% were those with LBE (LBEs). Compared to students without left-behind experiences (NLBEs), LBEs had significantly increased scores of aggressive behavior and decreased score of self-esteem. The increased aggression in LBEs was highly related to longer left-behind duration, younger age of left-behind for the first time, and decreased self-esteem. On the other side, the aggressive behavior was demonstrated negatively correlated with self-esteem in both LBEs and NLBEs. There was an interaction effect of left-behind duration and self-esteem on physical aggression and of frequency of contacting with parents and self-esteem on verbal aggression. Besides, the interaction of primary caregiver and self-esteem on hostility and aggression toward self were also observed, respectively. Our results indicated LBEs and low self-esteem are associated with increased risk of aggressive behavior in Chinese young adults. The increased aggressive behavior in LBEs were highly related to longer left-behind duration, younger age of left-behind for the first time and decreased self-esteem. In those LBEs with some certain left-behind-related characters, aggressive behavior decreased more prominently with the increase of self-esteem. Strategies to improve self-esteem, particularly among young adults who have certain characters of LBE, should be a significant component of prevention and interventions of aggressive behavior.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 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 ».