Digital Disconnection: A Qualitative Study of Youth and Young Adult Perspectives on Cyberbullying and the Adoption of Auto-Detection or Software Tools
Notice bibliographique
Résumé
PURPOSE: The purpose of this study was to understand the needs of youth and young adults, current gaps around safeguarding social media, and factors affecting adoption of data-driven auto-detection or software tools. METHODS: This qualitative study is the first step of a larger initiative that aims to use participatory action research and co-design principles to develop a digital tool that targets cyberbullying. Youth and young adults aged 16-21 years were recruited to participate in semistructured focus groups between March 2020 and November 2021. Thematic analysis was used to develop themes, with a member-checking process to validate the findings. RESULTS: Six focus groups were completed with 39 participants and five themes were generated from the analysis. Participants described the mental health impacts of cyberbullying on young people, the stigma associated with it, and the need for more mental health resources. They felt that additional efforts are needed to improve the school environment, school-based interventions, and training protocols to ensure that youth feel safe reporting cyberbullying. Most participants were open to using a digital solution but raised concerns around the trustworthiness of artificial intelligence and wanted it to be co-designed with young people, integrated across platforms, informed by data-driven decisions, and transparent with users. DISCUSSION: Youth and young adults are accepting of a low-risk digital cyberbullying solution as current interventions are not meeting their needs.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».