Ethical Processes and Dilemmas during Research with Youth on Cyber-Risk
Notice bibliographique
Résumé
In this article, we reflect on the ethical processes and dilemmas we encountered in almost a decade of qualitative research with teenagers about digital technologies and cyber-risk. Our research underscores both the opportunities and challenges of teenagers’ engagements with digital technologies, including cyberbullying and image-based sexual harassment and abuse (i.e., non-consensual sexting), on popular social media platforms. Our current research explores teenagers’ experiences with cyber-risk during the COVID-19 pandemic, including managing homeschooling (due to lockdowns), online addiction, mental health challenges, and encounters with disinformation and misinformation. We discuss our experiences with focus group facilitation and one-to-one semi-structured interviews, specifically our reflections on ethical processes encountered in the field, such as fostering rapport with young participants given the significant age gaps and our lack of knowledge at times, regarding digital technologies or topics like image-based sexual abuse. We also discuss our experiences conducting research with teenagers under the new capacity to consent ethical framework, which positions children and youth as often having agency to consent to research independently from their parents or legal guardians. Here, we detail reflections on navigating a new approach and highlight some of the considerations arising from ascertaining assent and consent. Centralizing issues of developing rapport, trust, and ethical processes related to interactional dynamics during interviews, the paper provides insights and possible strategies for those conducting research with children and youth.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».