The Predictive Power of Emotional Intelligence in Cyberbullying among Jordanian University Students
Notice bibliographique
Résumé
The present study aimed to identify the predictive power of emotional intelligence in cyber violence among Jordanian university students. The researcher constructed the Cyber Violence Scale and translated the Emotional Intelligence Scale developed by Richa Jain (2015). Both scales had the appropriate indices of validity and reliability. The study sample consisted of 444 university students who participated from eight different courses to fulfill the requirements of the general college at Al-Balqa' Applied University in Jordan during the first semester of the 2016-2017 academic year. After collecting and analyzing the data, the following results emerged: The calculated mean of cyber violence among students of Al-Balqa' Applied University was 2.74 with a standard deviation of 1.32, which indicates that the level of cyber violence is in the moderate range. The overall level of emotional intelligence as well as the secondary dimensions of emotional intelligence (social skills, self-awareness, self-motivation, emotional regulation, empathy) were in the high range among students of Al-Balqa' Applied University. There was a negative correlation between the overall level of emotional intelligence dimensions as well as the secondary dimensions of emotional intelligence (self-awareness, emotional regulation, self-motivation, empathy, social skills) and cyber violence. Emotional intelligence dimensions accounted for 18% of cyber violence. Self-motivation and emotional regulation were the two most significant predictors of cyber violence.
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) | 0,001 | 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 ».