MétaCan
Menu
Retour à la cohorte
Enregistrement W4401798306 · doi:10.1016/j.chbr.2024.100469

Why don't faculty members report incidents of online abuse and what can be done about it?

2024· article· en· W4401798306 sur OpenAlexafffund
Jaigris Hodson, Victoria O’Meara, Joan Owen, George Veletsianos, Esteban Morales

Notice bibliographique

RevueComputers in Human Behavior Reports · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueBullying, Victimization, and Aggression
Établissements canadiensRoyal Roads University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPsychologyMedical educationMedicine

Résumé

récupéré en direct d'OpenAlex

The mobilization of academic research via online platforms presents a troubling paradox. Digital-first publications offer the opportunity for scholars to reach a wider audience, yet this same online vehicle for knowledge mobilization opens scholars to the risk of online abuse. Furthermore, the concept of online abuse is often misunderstood or dismissed by post-secondary institution administrators. The aim of this research is to understand why faculty members who experience online abuse do not report the such abuse to their administration, even though there is indication that support from administration is needed to manage the problem. Drawing from a series of semi-structured interviews and focus groups, this research examines the reasons why faculty members decide not to report their experiences of online abuse to their various academic administrators. A total of 11 faculty members in academic positions located North America agreed to participate in the research. We used a combination of semi-structured and narrative interview questions to understand participants’ experiences of online abuse. The data was coded using the constant comparative approach to identify emergent themes (Glaser & strauss, 1967), a nd guided by the research questions. The Theory of Planned Behavior was used to schematize the attitudes, social norms, and perceived behavioral controls that dissuade reporting of online abuse, and provide institutional recommendations that may encourage reporting and improve support for targeted faculty members. This study contributes to theory and practice by offering that when academic administrators foster a culture of care, faculty would be encouraged to report incidences of online abuse.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,140
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,140
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0070,011
Communication savante0,0090,012
Science ouverte0,0020,003
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,364
Écart entre enseignants0,321 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueComputers in Human Behavior ReportsMême sujetBullying, Victimization, and AggressionTravaux en français237 207