Normalization of toxicity scale: A measure of toxicity normalization in the online gaming community
Notice bibliographique
Résumé
Toxic behavior in video games is a complex and pervasive problem that affects all aspects of video games, including their development. Its effect on player wellbeing, enjoyment, and retention reverberates throughout the industry. Research has revealed that toxic behavior in games is becoming normalized at an alarming rate. The purpose of this study was to create and validate a scale to measure the perceived normalization of toxic behavior using six constructs taken from three behavioral theories: Past Victimization Experiences and Self-Efficacy from Social Cognitive Theory; Subjective Norms, Attitudes, and Behavioral Control from Theory of Planned Behavior; and Toxic Disinhibition from Online Disinhibition Effect. Based on these constructs, an initial 25-item pool was generated. Four additional scales were added to establish validity, the Toronto Empathy Scale, the Buss-Perry Aggression Questionnaire, the Marlowe-Crowne Social Desirability Scale, and the Moral Disengagement in Sports Scale. Exploratory and confirmatory factor analyses were used, which required the resulting dataset to be split into two groups for analysis with each group having 229 participants. Exploratory factor analyses (n=229) pared the original 25-item scale to 16 items across 3 distinct factors: 8 items represented Toxicity Normalization, 4 items represented Past Victimization, and 4 items represented Impulsive Toxicity. Confirmatory factor analysis (n=229) was performed utilizing the model obtained from exploratory factor analysis. Results of the analyses indicate acceptable reliability and evidence of validity, but more research is needed for validation. Implications of the current study for researchers and practitioners are presented. Lastly, future research and recommendations for improving the scale’s quality are discussed.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».