School Bullying Victimization, Perpetration, Witness and Health‐Related Quality of Life (HRQoL): The Difference Between Boys and Girls
Notice bibliographique
Résumé
ABSTRACT This paper investigated how different combinations of school bullying involvement (victimization, perpetration and witness) affected adolescents' HRQoL, with a focus on gender differences. A total of 3675 students from seven big cities across China were recruited. HRQoL was assessed by the KIDSCREEN‐10 scale, and the bullying involvements were divided into eight types based on the criteria of whether a student was being bullied, being a perpetrator or being a witness. The prevalence of the eight types of school bullying involvements, ‘uninvolved’, ‘victim only’, ‘perpetrator only’, ‘witness only’, ‘victim‐perpetrator’, ‘victim‐witness’, ‘perpetrator‐witness’, ‘victim‐perpetrator‐witness’, were 59.84%, 12.38%, 10.07%, 8.68%, 5.55%, 1.82%, 0.95% and 0.71%, respectively. Students who were ‘victim only’ ( β = −1.79, 95% CI = [−2.69,−0.88]), ‘victim‐perpetrator’ ( β = −3.87, 95% CI = [−5.71,−2.03]), ‘victim‐witness’ ( β = −2.01, 95% CI = [−2.86,−1.16]) and ‘victim‐perpetrator‐witness’ ( β = −3.41, 95% CI = [−4.52,−2.30]) had a significantly much lower degree of HRQoL in comparison with the ‘uninvolved’. The correlations between bullying involvement and HRQoL demonstrated different patterns between boys and girls. The victimization experience of school bullying harms adolescents' HRQoL most, while the perpetrator and witness experience can amplify these effects. Students with multiple roles, especially the victim‐perpetrator‐witness and the victim‐perpetrator, are more vulnerable than others regarding HRQoL.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».