"SCHOOL ADJUSTMENT OF TEENAGERS: THE RELATIONSHIP BETWEEN BULLYING, VICTIMIZATION AND RESILIENCE FACTORS"
Notice bibliographique
Résumé
Bullying and victimization are among the most worrying problems that can undermine school climate. Worldwide, studies show that between 6% and 45% of students are involved in those kinds of behaviours, depending on countries and methodologies In addition to reaching a significant proportion of students, studies list a variety of short-and long-term consequences related to school violence such as various psychological difficulties While school violence is widespread and devastating, some adolescents maintain positive adjustment throughout their schooling despite victimization. Resilience can take a variety of meanings, but it's mostly associated with the ability to maintain normal functioning despite adversity In this context, objectives of the study are: 1) to provide a global picture of bullying and victimization in high schools in Quebec (Canada); 2) to study the relationship between bullying, victimization, resilience factors and school adjustment. A total of 165 high school students completed a survey on bullying, victimization, resilience, and related topics. Results show that 23% of teenagers have adopted bullying behaviours in the past two months, while 31% reported being bullied. Furthermore, 44% of adolescents reported bullying behaviours at some point in their schooling and 61% reported being a victim. Hierarchical regression analysis shows that reported victimization and resilience factors account for 44% of the school adjustment variance, with resilience factors contributing more to the predictive model (26%) than reported victimization (18%). This study highlights the extent of violence in the school context and how resilience components can act as protective factors and maintain positive coping.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».