MétaCan
Menu
Retour à la cohorte
Enregistrement W4386030614 · doi:10.3390/children10081415

Online Safety for Children and Youth under the 4Cs Framework—A Focus on Digital Policies in Australia, Canada, and the UK

2023· article· en· W4386030614 sur OpenAlexaboutno aff
Yujin Jang, Bomin Ko

Notice bibliographique

RevueChildren · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgency (philosophy)Public relationsCyberspaceStakeholderGovernment (linguistics)Work (physics)Digital literacyThe InternetBusinessPolitical scienceSociologyEngineeringPedagogySocial science

Résumé

récupéré en direct d'OpenAlex

This study analyzes the previous literature on the online safety of children and youth under "the 4Cs risk framework" concerning contact, content, conduct, and contract risks. It then conducts a comparative study of Australia, Canada, and the UK, comparing their institutions, governance, and government-led programs. Relevant research in Childhood Education Studies is insufficient both in quantity and quality. To minimize the four major online risks for children and youth in cyberspace, it is necessary to maintain a regulatory approach to the online exposure of children under the age of 13. Moreover, the global society should respond together to these online risks with "multi-level" policymaking under a "multi-stakeholder approach". At the international level, multilateral discussion within the OECD and under UN subsidiaries should continue to lead international cooperation. At the domestic level, a special agency in charge of online safety for children and youth should be established in each country, encompassing all relevant stakeholders, including educators and digital firms. At the school and family levels, both parents and teachers need to work together in facilitating digital literacy education, providing proper guidelines for the online activities of children and youth, and helping them to become more satisfied and productive users in the digital era.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,367

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0080,005
Communication savante0,0050,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,022
Tête enseignante GPT0,281
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations35
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChildrenMême sujetChild Development and Digital TechnologyTravaux en français237 207