La victimización entre iguales y la adaptación psicosocial: experiencias de la juventud inmigrante canadiense
Bibliographic record
Abstract
Este trabajo explora las experiencias de victimización entre los jóvenes inmigrantes en Canadá. Más concretamente, su implicación en la victimización general y étnica -ser víctima de abusos debido al color, raza, etnia- se examinó utilizando una muestra de alumnos de Educación Primaria y Secundaria de diferente etnias. No hubo diferencias significativas en la prevalencia de victimización general entre los grupos de inmigrantes. Se encontró una tendencia entre el hecho de ser inmigrante y ser víctima por razones étnicas, de forma que los jóvenes nacidos en Canadá, pero cuyos padres nacieron fuera (canadienses de primera gene-ración), eran los más afectados. En cuanto a su adaptación, el estatus de inmigrante no moderaba la asociación entre victimización étnica y la interiorización/exteriorización de problemas. Sin embargo, los jóvenes que informaron sufrir malos tratos a causa de su origen étnico señalaron tasas altas de incidencia tanto en ese momento como un año después. Por último, se presentan implicaciones para la intervención temprana de la victimización étnica, al igual que las limitaciones del estudio y orientaciones para futuras investigaciones.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.012 | 0.007 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".