Empathic Skills Training As a Means of Reducing Cyberbullying among Adolescents: An Empirical Evaluation
Notice bibliographique
Résumé
Cyberbullying is a form of aggression in which electronic communication such as e-mails, mobile phone calls, text messages, instant messenger contacts, photos, social networking sites and personal webpages are used to threaten or intimidate individuals. Cognitive-behavioral therapy (CBT) counselling based on empathic training may reduce cyberbullying among adolescents. The present study investigated the impact of developing empathy skills in reducing cyberbullying among a sample of adolescents using two groups (i.e., an experimental group and control group). The experimental group received counselling intervention based on CBT with special focus on improving empathy whereas the control group received CBT general counselling. The participants comprised 217 adolescents (experimental group = 98 adolescents, control group = 119 adolescents) with a mean age of 15.1 years (SD ± 1.5). The measures included the Toronto Empathy Questionnaire (TEQ) and the Bullying, Cyberbullying Scale for Adolescents (BCS-A). Results showed that there were statistically significant differences on TEQ scores and BCS-A scores in the experimental and control groups after the intervention but more so in favor of the experimental group in terms of reduced levels of cyberbullying (both victimization and perpetration). Positive gains among the experimental group in both empathy and reduced cyberbullying remained at two-month follow-up. It is recommended that teachers and school counselors tackling cyberbullying should use empathy training as part of their cyberbullying prevention programs.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».