Cross-national patterns of traditional and cyberbullying: The role of individual and social support indicators
Notice bibliographique
Résumé
This study examines victimization at multiple levels. At the individual level, we investigate the consistency of the relationship between individual-level factors and both traditional and cyberbullying victimization. At the country level, we explore ranking patterns in the link between risk or protective factors and victimization outcomes and compare the prevalence of bullying and cyberbullying victimization and offending across countries. We also analyzed the associations between social support indicators gender inequality index (GII), inequality-adjusted human development indices (IHDIs), and victimization rates. We analyzed the 2017–2018 Health Behavior in School-aged Children (HBSC) survey data from the World Health Organization (WHO) across 38 countries. The survey inquired about traditional and cyberbullying, nutrition, physical activity, and family and friend relationships. We employed multiple imputation by chained equations (MICE) to impute missing data and used conditional marginal effects to assess the patterns of relationships. The model fit indices were used to compare the associations between social support indicators and country-level outcomes. Our research indicates that bullying/cyberbullying victimization is associated with offending, poor health, and relational quality, and these associations vary at the country level. Country-level data confirm the overlap between online and offline bullying behaviors, and the gender inequality index (GII) is a stronger correlate of country-level victimization than IHDI. Our findings suggest that student-level bullying prevention programs should incorporate strategies that focus on both risk and protective factors. In addition, programs or policies from countries with more favorable outcomes can serve as models for other countries to follow. In addition, findings imply that reducing gender inequality may be more effective in lowering bullying and cyberbullying rates than focusing on the IHDI. It is important that we continue exploring individual, community, and national indicators of risk to mitigate both traditional and cyber forms of victimization and offending worldwide.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».