Developmental Trajectories of Negative Peer Play in Preschool: Predictors and Outcomes
Notice bibliographique
Résumé
This study aims to identify age-related trajectories of preschoolers’ negative peer play, their predictors, and school-related outcomes. The participants were 1,547 children in the Panel Study on Korean Children and their teachers and parents. Using latent class growth analysis, we identified negative peer play trajectories of children between 4 and 6 years old. Analyses of variances were conducted to investigate whether children’s school readiness at 6 years old differed between the trajectories. Finally, multinomial logistic regressions were conducted to explore how teacher-child interactions influenced membership in the trajectories. Three developmental trajectories of play disruption were found: “Low” (64.3%), “Constant-higher” (34.3%), and “U-curve” (1.4%). In the case of play disconnection, four trajectories were found: “Low-increase” (57.6%), “Moderate-decrease” (26.5%), “Sharp-increase” (10.1%), and “High-decrease” (5.8%). The trajectories of play disruption were related to social and emotional development and approach to learning. The trajectories of play disconnection were related to all aspects of school readiness including social and emotional development, approach to learning, communication, and cognitive development. Teacher-child interactions that encourage children’s prosocial behaviors and positive peer interactions predicted likely membership in “Low-increase” play disconnection development. Also, teachers’ affectionate and sensitive qualities during the interaction with children predicted a “Low” trajectory of play disruption. Together, the results emphasized the protective power of positive teacher-child interactions in the development of preschool negative peer play. Based on the findings, policy implications are discussed with regard to teacher education.
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 | 0,001 |
| 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 | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».