Using retrospective reports to develop profiles of harmful versus playful teasing experiences
Notice bibliographique
Résumé
INTRODUCTION: The current investigation's central goal was to elucidate the complex features of peer teasing episodes that individuals use to interpret teasing as harmful versus playful. METHOD: In 2022-2023, we used semistructured interviews to gather retrospective reports of K-12 peer teasing experiences from a sample of 27 students from a university in southern Ontario, Canada (18-25 years old, 63% female, 78% White). RESULTS: Content analysis revealed the multifaceted nature of teasing, with participants defining teasing as harmful, playful, or including elements of both harm and pleasure. Harmful teasing experiences often included content that was sensitive to the target, occurred between both friends and nonfriends, and often included a power differential with the teasing perpetrator having more power than the target. Targets recalled negative emotional responses, with behavioral responses to mitigate the situation and reduce further teasing. In contrast, playful teasing often occurred between friends or close friends, was often motivated by positive interpersonal motives (e.g., for encouragement), and had positive impacts on the relationship between perpetrator and target. However, despite benign intent, some playful teasing was marked by negative emotional responses and feelings of harm. CONCLUSIONS: Results have implications for uncovering the nuanced and complex nature of teasing, and provide a preliminary profile of harmful versus playful teasing interactions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».