Bibliographic record
Abstract
La violence est une préoccupation majeure en milieu scolaire et il est reconnu qu’elle se manifeste sous différentes formes. Certaines, comme l’intimidation, le taxage et l’agression physique soulèvent beaucoup d’inquiétude et d’indignation. D’autres formes plus subtiles, comme le dénigrement, le mépris et le rejet, passent plus inaperçues. Par ailleurs, le profil des élèves qui sont les auteurs de cette violence et celui des élèves qui en sont les victimes demeurent peu connus. Cet article tente d’apporter un éclairage supplémentaire sur ce sujet à partir des résultats d’une étude effectuée auprès de 784 élèves de la quatrième à la sixième année de six écoles primaires de la région de Québec. Outre l’importance relative des différentes formes de violence, les données recueillies indiquent que les garçons, les élèves plus âgés et ceux qui sont en accord avec l’idée que la violence est un comportement acceptable font partie des élèves qui adoptent davantage de comportements violents. Pour les expériences de victimisation, elles sont plus fréquentes chez les garçons et chez ceux qui sont en accord avec l’idée que la violence est un comportement acceptable. Des regroupements selon quatre catégories d’élèves (paisibles, victimes, intimidateurs et turbulents) ont également été réalisés afin de mieux cerner les caractéristiques associées à chaque type d’élèves.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.008 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.001 |
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".