Les trajectoires de développement de la cybervictimisation perçue à l'adolescence et les facteurs de risque associés
Bibliographic record
Abstract
La présente étude propose de documenter la prévalence de la cybervictimisation dans un échantillon représentatif de la population québécoise, le degré de convergence entre la cybervictimisation et les formes traditionnelles de victimisation par les pairs, les trajectoires de cybervictimisation pour divers groupes d'adolescents et les facteurs de risque qui y sont associés. L’échantillon composé de 1396 adolescents provient de l'Étude longitudinale du développement des enfants du Québec (ÉLDEQ). Les diverses formes de victimisation par les pairs ont été mesurées à 12, 13 et 15 ans, et les facteurs de risque à 12 ans. La cybervictimisation présente une prévalence relativement faible à tous les âges étudiés en comparaison avec la victimisation traditionnelle. L’association entre la victimisation traditionnelle et la cybervictimisation est faible à 12 ans, et modérée à 13 et 15 ans. Ajoutons que deux groupes de jeunes empruntent des trajectoires différentes de cybervictimisation, soit une trajectoire faible et croissante, et une trajectoire modérée et croissante. Différents facteurs de risques sociodémographiques, individuels et environnementaux sont associés à ces trajectoires. Lorsque la variance partagée entre tous ces facteurs est prise en compte, le sexe féminin, les symptômes dépressifs et la victimisation traditionnelle peuvent prédire l’appartenance aux trajectoires. Ainsi, les jeunes visés par les cyberagresseurs seraient notamment ceux qui auraient déjà des difficultés d’adaptation et qui seraient la cible d'agressions de la part de leurs pairs en face à face. Ces résultats pourraient avoir des implications pour les interventions qui visent à diminuer la violence en milieu scolaire.
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) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".