Does Religion Buffer Against the Detrimental Effect of Cyberbullying Victimization on Adults’ Health and Well-Being? Evidence from the 2014 Canadian General Social Survey
Notice bibliographique
Résumé
While prior research has well-documented the detrimental effect of cyberbullying victimization on health and well-being among children and adolescents, less is known about whether the same adverse pattern can be observed among adults. Moreover, it is unclear about what psychosocial resources might moderate this association. The present study uses a nationally representative cross-sectional survey—2014 Canadian General Social Survey ( N = 17,548)—to examine three research questions. First, is cyberbullying victimization associated with adults’ self-rated health, mental health, and life satisfaction? Second, how does religiosity—religious service attendance and religious beliefs—moderate this association? Third, do any observed patterns further differ for men and women? Through a series of logistic and ordinary least squares regression models, the results show that adults who experienced cyberbullying victimization in the past 5 years are more likely to report poor self-rated health and mental health compared to those who did not experience cyberbullying victimization in the past 5 years. Likewise, cyberbullying victimization is also associated with lower levels of life satisfaction. In addition, the adverse associations of cyberbullying victimization in the past 5 years with self-rated health and life satisfaction are weaker among those who attended religious service at least once a week in the past twelve months. A similar pattern is observed for the buffering effect of viewing religious beliefs as very important in the adverse association of cyberbullying victimization in the past 5 years with self-rated life satisfaction. There is also evidence suggesting the gendered buffering effect of the importance of religious beliefs in the association between cyberbullying victimization and self-rated health. This study makes important empirical and theoretical contributions to the growing field of research on the association between cyberbullying victimization and health and well-being and to our understanding of how religion matters to individuals dealing with stressful experiences.
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 | 0,001 | 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) | 0,000 | 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 ».