Confirmatory Factor Analysis of Cyberbullying Among Undergraduate Students in Higher Education Institutions in Northeastern Thailand
Notice bibliographique
Résumé
The main purpose of this research was to do a confirmatory factor analysis of cyberbullying behaviors among undergraduate students in higher education institutions in northeastern Thailand. The sample included 1,062 1st–4th years bachelor’s degree students in the academic year 2022 from five higher education institutions located in the Northeast of Thailand. Multi-stage sampling was employed. The research instrument was a constructed measurement form of cyberbullying behaviors of undergraduate students in institutions in the Northeast of Thailand. It was a 5-rating scale form with 30 items, each of which had a discrimination of 0.21–0.67 and a reliability of 0.99 by means of Cronbach’s alpha coefficient.The findings from the confirmatory factor analysis revealed that the cyberbullying behavior model of the students in higher education institutions in northeastern Thailand consisted of five components; 1) Impersonation, 2) Intimidation and cursing others, 3) Disclose other people’s private information, 4) Gossip or defamation of others, and 5) Deleting or blocking others from the group. The cyberbullying behavior model was consistent with the empirical data (Chi-square χ2 = 1.37, df = 2, p = .50, GFI = 1.00, AGFI = 1.00, CFI = 1.00, RMSEA = 0.00, SRMR = 0.00). This indicates that the model confirms the components of cyberbullying behaviors of undergraduate students.
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 | 0,010 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».