MétaCan
Menu
Retour à la cohorte
Enregistrement W3194245755 · doi:10.1002/hbe2.282

Cybervictimization, time spent online, and developmental trajectories of online privacy concerns among early adolescents

2021· article· en· W3194245755 sur OpenAlexaffabout
Bowen Xiao, Rachel Baitz, Hezron Z. Onditi, Johanna Sam, Jennifer D. Shapka

Notice bibliographique

RevueHuman Behavior and Emerging Technologies · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesHealth Research
Mots-clésPsychologyLongitudinal studyInternet privacyDevelopmental psychologyMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

The goal of the present study was to examine developmental trajectories of online privacy concerns, as well as to identify predictive factors (e.g., cybervictimization, time spent online, and socializing online) related to online privacy concerns among early adolescents. Participants were 378 adolescents from the Lower Mainland of British Columbia, Canada who were in grade six and grade seven at wave 1 of the study (192 boys, Mage = 13.93 years, SD = .72 year). Three years of longitudinal data on online privacy concerns, cybervictimization, and time spent online socializing were collected from self-report surveys. Results identified three different trajectories of online privacy concerns: decreasing (32.8%), increasing (44.98%), and stable (22.29%). Adolescents who reported higher scores on cyber victimization were more likely to be in the decreasing online privacy. Adolescents who spent more time socializing online were more likely to be in the stable or increasing subgroup. These findings highlight the important value of studying subgroups regarding the development course of online privacy concerns.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,155
Score d'incertitude au seuil0,309

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,033
Tête enseignante GPT0,306
Écart entre enseignants0,274 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHuman Behavior and Emerging TechnologiesMême sujetChild Development and Digital TechnologyTravaux en français237 207