Developmental Trajectories of Cyber-Aggression among Early Adolescents in Canada: The Impact of Aggression, Gender, and Time Spent Online
Notice bibliographique
Résumé
The objective of the present study was to examine developmental trajectories of cyber-aggression in early adolescence, as well as their relationship with predictive factors related to cyber-aggression (e.g., overt aggression, gender, and time spent online). Participants were 384 adolescents from the Lower Mainland of British Columbia, Canada who were in grade six and grade seven at Time 1 of the study (192 boys, Mage = 13.62 years, SD = 0.74 year). Three years of longitudinal data on cyber-aggression, overt aggression, and time spent online were collected via online self-report questionnaires. Findings indicated three different trajectories of cyber-aggression: (a) a low-increasing (85.7% of the sample), (b) a stable trajectory (9.3% of the sample), and (c) a high-decreasing trajectory (4.9% of the sample). Adolescents who reported higher scores on overt aggression and spent more time online were more likely to be in the stable or high-decreasing groups. These findings highlight the importance of studying subgroups regarding the developmental course of cyber-aggression in early adolescence. The implications of present study findings give insight into gender differences and overt aggression among youth to inform cyber-aggression intervention and prevention.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».