Cyberbullying Perpetration: Children and Youth at Risk of Victimization during Covid-19 Lockdown
Notice bibliographique
Résumé
The Covid-19 is believed to have emerged in Wuhan, China, and has affected many countries across the globe. In response to this pandemic, governments in different countries have implemented social distancing measures to stop the spread of the virus. The closure of schools and switch to remote learning of universities to protect youth and children from exposure to the virus might also open opportunities for certain crimes such as cyberbullying. The study aimed at exploring the risks of victimization of children and youth through cyberbullying during the lockdown. A qualitative approach, non-participant observation was utilised. Data was collected from three social media platforms which include Facebook, Twitter, and Instagram from posts since the beginning of lockdown. Keywords such as “ama2000s”, “2000s” and “90s vs 2000s” were used to search for content. Facebook groups for “2000s” where most young people engage were also used. The study found that with the increase of the use of social media among children and youth during the lockdown, most have been victims of cyberbullying. In these platforms where young people engage, most posts and comments carried content which includes sexting, sexual comments on young girls’ pictures, trending of videos of school children fighting, and insulting each other. A significant finding was the use of fake accounts to perpetrate cyberbullying. The study recommends that addressing cyberbullying through educating children and youth about acceptable online behaviour, signs of cyberbullying, responses to it, and cybersecurity should be prioritised.
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 ».