Contexts and Dynamics of School Violence: A Multi-Method Investigation in an Ontario Urban Setting
Notice bibliographique
Résumé
The issue of bullying, among school age children, has been popularized by North American news media. These media frame bullying as a violent epidemic plaguing our schools, resulting in school officials implementing new anti-violence intervention and prevention programs. However, popular media and school administrators often do not rely on research with consistent definitions for bullying behavior to inform these changes. As a result, the term bullying has become quite ubiquitous, conflating bullying behavior with other forms of youth violence. My research aims to delineate the contextual influences for youth violence and the types of violence youth engage in. I argue that sociology can contribute to the study of bullying by elaborating on the roles of three kinds of contexts: immediate networks, neighborhoods and micro-geographies, and status situations. Further, gender can also be a consistent conditioning influence on those contextual effects. This study utilizes a multi-method approach to better understand the contexts and dynamics of youth violence. My quantitative component uses data from systematic social observations of all Hamilton public school neighborhoods, Hamilton Safe School Surveys and the 2006 national census. These methods build on different contexts for youth violence. While the survey findings used in the quantitative portion of this thesis examine broad contextual influences, my qualitative interviews develop micro-geographic contexts for youth violence. Using these data sources, I found significant relationships between gender, age, physical disorder and types of violence used by students. My qualitative component used interviews conducted with fifteen Hamilton youth from a variety of different neighbourhood backgrounds to understand youth’s social dynamics in different kinds of violence. I found dynamics that were consistent with the types of in-school violence described by Randall Collins (2008, 2011) and different types for violence used by male and female students for similar social ends. It is my hope that these findings can be used to better inform violence intervention and prevention policies within Ontario schools.
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 | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,019 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 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 ».