School bullying before and during COVID‐19: Results from a population‐based randomized design
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We examined the impact of COVID-19 on bullying prevalence rates in a sample of 6578 Canadian students in Grades 4 to 12. To account for school changes associated with the pandemic, students were randomized at the school level into two conditions: (1) the pre-COVID-19 condition, assessing bullying prevalence rates retrospectively before the pandemic, and (2) the current condition, assessing rates during the pandemic. Results indicated that students reported far higher rates of bullying involvement before the pandemic than during the pandemic across all forms of bullying (general, physical, verbal, and social), except for cyber bullying, where differences in rates were less pronounced. Despite anti-Asian rhetoric during the pandemic, no difference was found between East Asian Canadian and White students on bullying victimization. Finally, our validity checks largely confirmed previous published patterns in both conditions: (1) girls were more likely to report being bullied than boys, (2) boys were more likely to report bullying others than girls, (3) elementary school students reported higher bullying involvement than secondary school students, and (4) gender diverse and LGTBQ + students reported being bullied at higher rates than students who identified as gender binary or heterosexual. These results highlight that the pandemic may have mitigated bullying rates, prompting the need to consider retaining some of the educational reforms used to reduce the spread of the virus that could foster caring interpersonal relationships at school such as reduced class sizes, increased supervision, and blended learning.
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.
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 | 0,003 |
| 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 | 0,001 | 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) | 0,003 | 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 découle