College Faculty Experiences With Student Disclosures of Victimization
Notice bibliographique
Résumé
Victimization of college students is widespread, and it is not uncommon for students to disclose these experiences to faculty. Given that how faculty respond to disclosures may have implications for students’ psychosocial and academic outcomes, it is key to know more about disclosures to help faculty prepare a supportive response. This study used data from an online survey of members of two U.S.-based professional scholarly associations for criminal justice and criminology ( N = 637) to look at the nature of student disclosure of victimization and which faculty are more likely to receive such disclosures. Disclosure to faculty was widespread (87% of faculty had received at least one disclosure of victimization from a student), and disclosures were mostly made in person. Over half the time (52.3%), participants thought the disclosure was prompted by an incident in class or another aspect of the course, and more than a quarter of the time (28.8%), the disclosure came from a student in a course that utilized trigger warnings. A faculty member’s individual identities, such as gender or race and ethnicity, did not appear to render them more or less likely to receive student disclosures. However, faculty with victimization experiences who had links to victim services organizations, who were teaching in a Sociology department, or who had been teaching longer were more likely to have received a disclosure. Graduate student instructors were less likely to have received a disclosure, even controlling for years of teaching. This suggests widespread training of college-level instructors in how to respond to a student’s disclosure of victimization may be warranted, at least for faculty teaching courses focusing on criminology and criminal justice.
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 | 0,001 |
| 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 ».