Cyberharcèlement envers le personnel enseignant du primaire et du secondaire : prévalence, et effets du genre des victimes et de leurs habiletés sur les réseaux sociaux
Bibliographic record
Abstract
Le cyberharcèlement vécu par le personnel enseignant tend à prendre de l’ampleur avec la popularité accrue des réseaux sociaux tant auprès des jeunes que des enseignantes et enseignants en exercice. Les habiletés technologiques du personnel enseignant associées à l’usage de ces plateformes pourraient être l’une des causes de la prévalence du phénomène. Cette recherche évalue ainsi le cyberharcèlement subi par le personnel enseignant selon ses habiletés technologiques sur les réseaux sociaux et le genre des victimes. Les résultats obtenus permettent de situer la prévalence du phénomène à 12,7 %. L’étude révèle que les enseignantes ont davantage de risques de subir du cyberharcèlement que les enseignants. De plus, le développement de certaines habiletés technologiques contribuerait à un usage sécuritaire des réseaux sociaux et, par conséquent, à atténuer les risques de subir du cyberharcèlement.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".