Antecedents and outcomes of cyberbullying among Chinese university students: verification of a behavioral pathway model
Notice bibliographique
Résumé
Introduction Cyberbullying is a commonly-seen and hotly-debated social topic around the globe. This negative behavior is the source of many disastrous events, and so leading government bodies, organizations, schools and social communities attach great importance to addressing this topic. However, there is still much work to do in order to be clear about the causes of cyberbullying. Methods The previous research cases were mostly viewed from the victims’ perspectives; however, there is no comprehensive understanding of the perpetrators’ viewpoints. Therefore, based on Social Cognitive Theory (SCT) and analysis of discussion in the literature, the following six variables were chosen as the focus of this study: overconfidence, excessive moral sense, cyberbullying, perceived value, happiness, and continued cyberbullying intention. This study established a research model of continued cyberbullying intention, which was verified by Structural Equation Modeling. In order to achieve the aims of the study, Chinese university students with an average age of 20.29 (SD = 1.43) were recruited as participants, from whom 1,048 valid questionnaires were collected. Results The research results are as follows: 1. Overconfidence and excessive moral sense positively predicted cyberbullying behaviors; 2. Overconfidence positively predicted excessive moral sense; 3. Cyberbullying positively predicted perceived value and sense of happiness; and 4. Perceived value and sense of happiness positively predicted continued cyberbullying intentions. Conclusion Students’ biased self-perception significantly predicts their cyberbullying behaviors and continued cyberbullying intention. What is more, it is interesting to learn that perpetrators will continue to exhibit cyberbullying behaviors when they believe that what they do (cyberbullying) is valuable or allows them to experience positive feelings; this requires our attention.
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 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 ».