MétaCan
Menu
Retour à la cohorte
Enregistrement W4367053074 · doi:10.48175/ijarsct-9462

Study on Juvenile Delinquency among Adolescents in Secondary Schools

2023· article· en· W4367053074 sur OpenAlexaboutno aff
Bindi Patel, Mr. Parashram, Ishwar Das Vairagi

Notice bibliographique

RevueInternational Journal of Advanced Research in Science Communication and Technology · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueBullying, Victimization, and Aggression
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJuvenile delinquencyNewspaperPsychologyCriminologyDevelopmental psychologyJuvenileTruancyHabitSocial psychologySociologyMedia studies

Résumé

récupéré en direct d'OpenAlex

Today, more than ever, the problem of juvenile delinquency pricks at the conscience of many societies, and India is not an exception. In this study, the researcher discusses the experiences and views of teachers of secondary schools regarding juvenile delinquency and the apparent moral decline among their learners. The problem was investigated from the perspective of socio-education, a field of research which, amongst others, studies the role of social factors that feature in the development of children and youth during their growth to adulthood. In Indian schools, the problem of juvenile delinquency is a issue. In his article on discipline in the Free State township schools, Masitsa (2008: 234- 236), cites a number of newspaper reports of juvenile delinquency among school children. This problem is not unique to South Africa, but affects many industrialised countries today (Rossouw, 2003: 416). De Wet’s study (2004: 206) on school vandalism, which is an example of antisocial behaviour, reveals that the problem also affects Britain, USA, Canada, France, the Netherlands and Australia, amongst others. MATERIALS AND METHODS: The research design for this study was a combination of quantitative and mainly qualitative, descriptive and interpretive enquiry, thus a mixed method research (MMR) approach. The study conducted on 91 samples. Data was collected using questionnaire and focus group interview. RESULTS: The delinquency rates in selected schools are very high. In addition, it was found that male learners, more than female learners, exhibit the most antisocial behaviour. In general, both genders, at varying rates disrespect authority, have the habit of lying, engage in theft, vandalism, truancy, substance and alcohol abuse, inappropriate sexual behaviour resulting in teenage pregnancy, and gangsterism, amongst others. The variable of location indicates that schools in formerly disadvantaged areas such as townships, squatter and rural areas experience the most antisocial behaviours by learners, as compared to their counterparts in formerly advantaged areas. Most teachers’ personal encounters of the problem in city schools seemed to be minimal. Some teachers of schools that are situated in middle class areas in townships shared similar sentiments to those of their city counterparts. Although the rate of learner misconduct is alarming, it can be contained as evidenced by behavioural changes witnessed in those learners who are remorseful. This suggests that intervention strategies do play a positive role in curbing unacceptable behaviour. Conclusion: The findings of this study suggested that the majority of teachers in secondary schools are aware of the huge challenge posed by delinquent learners with regard to teaching and learning. The major perceptions the study gathered were that the dawn of a democratic dispensation in 1994 worsened adolescent delinquency and rendered many previously disadvantaged schools dysfunctional

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,153
Score d'incertitude au seuil0,613

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,469
Écart entre enseignants0,390 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Advanced Research in Science Communication and TechnologyMême sujetBullying, Victimization, and AggressionTravaux en français237 207