MétaCan
Menu
Retour à la cohorte
Enregistrement W4412441274 · doi:10.1016/j.ijlcj.2025.100766

Cyber victimization and social cohesion: Unraveling correlates of cyberbullying and cyberstalking in Canada

2025· article· en· W4412441274 sur OpenAlexaffabout
Shang‐Kwei Wang, Xiaohan Mei, Ming‐Li Hsieh, Liqun Cao, Zhishu Li

Notice bibliographique

RevueInternational journal of law, crime and justice · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueStalking, Cyberstalking, and Harassment
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésCohesion (chemistry)PsychologyCriminologyComputer securitySocial psychologyComputer scienceChemistry

Résumé

récupéré en direct d'OpenAlex

This study leverages data from the Canadian General Social Survey, Cycle 34, to explore factors linked to cyberbullying and cyberstalking victimization over the past five years. Using theoretical frameworks such as social cohesion, social support, social disorganization , and routine activities, the research identifies variables associated with increased cyber victimization risk. The findings reveal both parallels and distinctions between cyberspace and physical space in the application of these theories. Higher levels of internet use, experiences of discrimination, concerns about personal safety, fewer close social ties, and unmarried status are linked to greater vulnerability to cyberbullying and cyberstalking. However, neighborhood contexts—such as community social support and collective efficacy—appear unrelated to cyber victimization. This research sheds light on the unique dynamics of cybervictimization and provides critical guidance for policymakers to inform targeted prevention and intervention strategies.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,684
Score d'incertitude au seuil0,742

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,305
Écart entre enseignants0,288 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational journal of law, crime and justiceMême sujetStalking, Cyberstalking, and HarassmentTravaux en français237 207