What Works for Whom in School-Based Anti-bullying Interventions? An Individual Participant Data Meta-analysis
Notice bibliographique
Résumé
Abstract The prevalence of bullying worldwide is high (UNESCO, 2018). Over the past decades, many anti-bullying interventions have been developed to remediate this problem. However, we lack insight into for whom these interventions work and what individual intervention components drive the total intervention effects. We conducted a large-scale individual participant data (IPD) meta-analysis using data from 39,793 children and adolescents aged five to 20 years (Mage = 12.58, SD = 2.34) who had participated in quasi-experimental or randomized controlled trials of school-based anti-bullying interventions (i.e., 10 studies testing nine interventions). Multilevel logistic regression analyses showed that anti-bullying interventions significantly reduced self-reported victimization (d = − 0.14) and bullying perpetration (d = − 0.07). Anti-bullying interventions more strongly reduced bullying perpetration in younger participants (i.e., under age 12) and victimization for youth who were more heavily victimized before the intervention. We did not find evidence to show that the inclusion of specific intervention components was related to higher overall intervention effects, except for an iatrogenic effect of non-punitive disciplinary methods–which was strongest for girls. Exploratory analyses suggested that school assemblies and playground supervision may have harmful effects for some, increasing bullying perpetration in youth who already bullied frequently at baseline. In conclusion, school-based anti-bullying interventions are generally effective and work especially well for younger children and youth who are most heavily victimized. Further tailoring of interventions may be necessary to more effectively meet the needs and strengths of specific subgroups of children and adolescents.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,034 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,053 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».