Social support for reducing mobbing in schools
Bibliographic record
Abstract
Maģistra darba „Sociālais atbalsts mobinga mazināšanai skolā ” darba mērķis ir izpētīt sociālo atbalstu, kas tiek izmantots mobinga situāciju mazināšanai skolās. Pētījuma objekts ir sociālo darbinieku, pedagogu, skolas vadības, sociālo pedagogu, psihologu un pusaudžu loma mobinga risināšanā. Sniegt priekšlikumus, praktiskās darbības. Pētījuma objektam ir izvēlēta pusaudžu vecuma grupa. Pusaudžu vecuma skolēni ir būtiska grupa, jo šajā vecumposmā viņi piedzīvo intensīvas fiziskās, emocionālās un sociālās izmaiņas. Šis periods no 10 līdz 16 gadiem ir īpaši jutīgs, jo pusaudži aktīvi mācās izprast savas emocijas, attiecības ar līdzcilvēkiem un apgūst prasmes risināt konfliktus. Darba struktūru veido ievads, teorētiskā daļa ar apakšnodaļām, pētījuma metodoloģija un pētījuma rezultātu analīze. Pētījumā tiek izmantotas krīzes un ekoloģiskās sistēmu teorijas, lai holistiski un padziļināti analizētu mobinga fenomenu skolās. Krīzes intervences teorija sniedz strukturētu pieeju mobinga situāciju risināšanai, piedāvājot efektīvas stratēģijas emocionālā atbalsta sniegšanai. Ekoloģiskās sistēmu teorija ļauj analizēt mobinga problēmu plašākā kontekstā, ņemot vērā dažādus iekšējos un ārējos faktorus, kas ietekmē mobingu izglītības iestādēs. Kombinējot šīs divas teorijas, pētījums sniedz dziļu un holistisku izpratni par mobinga dinamiku skolās un piedāvā praktiskas stratēģijas tā risināšanai. Pētījumā konstatēts, ka mobings skolās ir nopietna problēma, kas negatīvi ietekmē skolēnu labklājību un attīstību. Esošie sociālie atbalsta pasākumi un politikas nav pietiekami efektīvi, tāpēc nepieciešama visaptveroša pieeja. Holistiska pieeja, kas ietver preventīvus pasākumus, aktīvu intervenci un sadarbību, ir nepieciešama efektīvai mobinga mazināšanai skolās, uzlabojot skolas kopienas labklājību un nodrošinot ilgtspējīgu risinājumu. Atslēgvārdi: mobings, sociālais atbalsts, skolas vide, sociālais darbinieks, pusaudzis.
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 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.020 | 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".