Global research trends on cyberbullying: A bibliometric study
Notice bibliographique
Résumé
The rapid growth of the media industry, particularly social media, has enhanced interaction and information sharing but has also led to harmful uses of cyberspace, such as cyberbullying. This phenomenon, primarily affecting adolescents, involves repeated harm through electronic devices in forms like abusive or aggressive text messages, inappropriate videos, and identity theft. The present study utilizes the Scopus database to analyze 5201 publications on cyberbullying from 1999 to 2023. Using various bibliometric network methods for analysis such as networks, citation, co-citation, collaboration, and keyword co-occurrence networks, along with intellectual structure maps, we identified key contributors and publications from this field. The study identifies significant growth in scientific output over the years, with prominent contributors like Michelle F. Wright, Heidi Vandebosch, and Rosario Ortega-Ruiz, and key journals including Computers in Human behavior , International Journal of Environmental Research and Public Health, and Journal of Interpersonal Violence. The United States leads research production, with substantial collaboration among American institutions, followed by Canada and the United Kingdom. This study recognizes social media, gender, and online abuse as key topics well-explored in studies on cyberbullying. However, further investigation is required in fields such as cyber dating violence and harassment, along with the associated challenges faced by sexual minorities. Our results show a growing research interest among academics in understanding the various aspects of cyberbullying in recent years.
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 | 0,005 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,162 | 0,305 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».