La médiation par les pairs est-elle une réponse adéquate face au harcèlement à l’école ?
Bibliographic record
Abstract
Le harcèlement scolaire est un problème fréquent aux conséquences importantes. Une façon de réagir aux situations de harcèlement entre élèves est d’utiliser la médiation par les pairs. Bien qu’il existe différents arguments en faveur de cette solution, certain·e·s auteur·e·s avancent que la médiation par les pairs est peu adaptée dans le cas du harcèlement, notamment pour des raisons éthiques (liées au déséquilibre de pouvoir qui caractérise les situations de harcèlement). Dans cette étude, nous avons passé en revue les études testant l’efficacité de la médiation par les pairs pour intervenir face au harcèlement scolaire ou prévenir ce phénomène. Il en ressort qu’il n’existe pas de preuves concluantes que la médiation par les pairs est un moyen efficace de lutter contre le harcèlement. Cet article se penche également sur l’efficacité de la médiation par les pairs en général. Les résultats sont plus positifs. Toutefois, la mise en oeuvre de ces programmes peut poser des difficultés et les effets les plus importants sont majoritairement observés chez les élèves qui jouent le rôle de médiateur·rice·s, alors qu‘il s’agit généralement de celles·ceux qui en ont le moins besoin.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.032 | 0.004 |
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".