Notice bibliographique
Résumé
This study aims to analyze cyberbullying research in Turkey through bibliometric analysis. To this end, the study dealt with six research questions which included the most frequently used keywords and co-occurrences of these keywords, Turkey’s collaboration with other countries, the frequency distribution of articles and citations by year, the most cited articles, the most productive journals, and authors. The bibliometric data were limited to the Web of Science (WoS) database. The first search yielded a total of 3974 publications. However, excluding the publications which did not comply with the aim of the study resulted in 105 articles to be analyzed. The findings suggested that there were 268 keywords used at least once. The keywords occurring at least five times other than “cyberbullying” were “cyber victimization,” “adolescent,” “bullying,” “reliability,” “validity,” and “internet addiction.”. Turkey had at least one collaboration with 21 countries. The top five countries with at least two collaborations were England, the U.S.A., Australia, Hungary, Czech Republic, and Germany. The most productive year was 2021. The most cited article was published in 2010, and the most influential journal was "Education and Science.” It was also revealed that the fifteen most productive authors had 57 publications. Considering the increasing interaction among people in virtual environments, cyberbullying research which has a nearly quarter-century history, should take more attention from Turkish scholars. Additionally, a gap was observed in the literature regarding studies conducted on parents. Thus, further studies may attempt to fill this gap.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,086 | 0,101 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».