The role of digital distrust, negative emotion and government policy on cyber violence during the digital era in Indonesia
Notice bibliographique
Résumé
In the digital era the research study discusses the role of government policy, negative emotions and digital trust in cyber violence, therefore this research adds to the literature and provides references regarding the important role of government policy on cyber violence is very limited. This research aims to investigate the relationship between digital distrust and cyber violence, and the relationship between government policy and cyber violence. The research method used in this research is associative research. Associative research is research that aims to determine the relationship between the hubs of two or more variables. In this way, we can build a theory that functions to predict and control a phenomenon. The population in this study were all students who had studied using e-learning or digital platforms. In this study, the number of respondents was 543 high school students throughout Indonesia. The sampling technique used in this research is nonprobability sampling. In this research, the data collection method used was the questionnaire method. The instrument used to measure this research variable is a 5-point Likert scale. Data processing in this research uses SmartPLS software. The stages of data analysis in this research are the outer model test which includes convergent validity, discriminant validity and composite reliability as well as inner model analysis, namely hypothesis testing. The results of this research are that digital distrust has a positive and significant relationship to cyber violence, negative emotions have a positive and significant relationship with cyber violence, and government policy has a positive and significant relationship with cyber violence. This research adds to the literature and provides references regarding the important role of government policy, digital distrust, and negative emotions in cyber violence. Indonesia, the government needs to implement and evaluate new regulations related to cybercrimes. The government must establish new regulations to combat cybercrime.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».