DOI: https://doi.org/10.1186/s12889-025-21521-0
PMID: https://pubmed.ncbi.nlm.nih.gov/39863846
تاريخ النشر: 2025-01-25
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: التنمر، الضحية، والعدوان
نظرة عامة
تبحث الدراسة في عوامل الخطر والعوامل الوقائية المرتبطة بالتعرض للتنمر بين المراهقين، باستخدام بيانات من مسح صحة الطلاب والوقاية من المخاطر (SHARP)، الذي شمل ردود 345,506 طالبًا في يوتا بين عامي 2009 و2021. باستخدام نموذج تعلم الآلة (LightGBM) بدقة 70%، تحدد الدراسة المؤشرات الرئيسية للتعرض للتنمر، بما في ذلك المستويات الدراسية الأصغر، ومشاعر الإقصاء الاجتماعي، والمشكلات الأسرية مثل المشاجرات المتكررة واستخدام المواد المخدرة. ومن الجدير بالذكر أن التحليل يكشف أن كل من المراهقين الذكور والإناث يشتركون في عوامل خطر مماثلة، حيث يرتبط التعرض للتنمر عبر الإنترنت بشكل خاص ببدء شرب الكحول في وقت مبكر.
تسلط النتائج الضوء على الدور المهم لديناميات الأسرة والشمول الاجتماعي في تجارب التنمر، مما يشير إلى أن العلاقات الأسرية القوية والبيئات المنزلية الداعمة ترتبط بمعدلات أقل من التعرض. على العكس من ذلك، يرتبط الإقصاء الاجتماعي والصراع الأسري بزيادة التعرض. تدعو الدراسة إلى برامج الوقاية التي تركز على تعزيز العلاقات الأسرية وتعزيز الدعم الاجتماعي، مشددة على الحاجة إلى مزيد من البحث لاستكشاف هذه العوامل عبر سياقات جغرافية متنوعة ومن خلال دراسات طولية لفهم العلاقات السببية بشكل أفضل.
مقدمة
تتناول مقدمة ورقة البحث القضية الحرجة للتنمر، الذي يُعرف بأنه سلوك عدواني غير مرغوب فيه يسبب الأذى للضحايا. في الولايات المتحدة، يعاني حوالي 5% من المراهقين الذين تتراوح أعمارهم بين 12-18 عامًا من التنمر، مع انتشار ملحوظ بين الذكور (11.4%) والإناث (10.7%). تؤكد هذه الفقرة على ضرورة فهم عوامل الخطر والعوامل الوقائية المرتبطة بالتنمر لتعزيز استراتيجيات الوقاية. يوفر قانون مكافحة التنمر في يوتا إطارًا للاعتراف بالتنمر ومعالجته، بما في ذلك التنمر الإلكتروني، الذي يؤثر على ما يقرب من 46% من الشباب الأمريكيين الذين تتراوح أعمارهم بين 13-17 عامًا. لقد زاد ظهور التكنولوجيا ووسائل التواصل الاجتماعي من حدوث التنمر عبر الإنترنت، مما يبرز الحاجة إلى البحث المستمر في السلوكيات والعوامل التي تسهم في هذه الاتجاهات.
علاوة على ذلك، تناقش المقدمة الآثار الضارة للتنمر على الصحة النفسية للمراهقين، موصلة إياها بزيادة مخاطر الاكتئاب والقلق والسلوك الانتحاري. وُجد أن المراهقين الذين يتعرضون للتنمر عبر الإنترنت وفي الحياة الواقعية هم أكثر عرضة بمعدل 2.77 مرة لتجربة الضغوط النفسية. أظهرت الدراسات الحديثة التي تستخدم تقنيات تعلم الآلة وعودًا في تحديد سلوكيات التنمر عبر الإنترنت، مع نتائج مهمة تشير إلى زيادة بنسبة 70% في مثل هذه السلوكيات خلال جائحة COVID-19. تظهر هذه الدراسات إمكانية استخدام تعلم الآلة لاكتشاف أشكال مختلفة من التنمر في محتوى وسائل التواصل الاجتماعي، مما يوفر أدوات قيمة لجهود التدخل والوقاية.
الطرق
تحدد فقرة “الطرق” في ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في سؤال البحث. استخدمت الدراسة نهجًا كميًا، يتضمن تجربة محكومة مع حجم عينة من المشاركين N، تم اختيارهم من خلال أخذ عينات عشوائية طبقية لضمان التمثيل. تم جمع البيانات باستخدام أدوات موثوقة، بما في ذلك الاستبيانات والاختبارات القياسية، التي قاست المتغيرات ذات الصلة.
تم إجراء التحليلات الإحصائية باستخدام أدوات البرمجيات، مع تطبيق تقنيات مثل تحليل الانحدار وANOVA لتقييم العلاقات بين المتغيرات واختبار الفرضيات. تم تحديد مستوى الدلالة عند $\alpha = 0.05$، وتم حساب أحجام التأثير لتقييم الآثار العملية للنتائج. تم تصميم المنهجية لتقليل التحيز وتعزيز موثوقية النتائج، مما يضمن أن الاستنتاجات المستخلصة من البيانات قوية وصحيحة.
النتائج
في قسم النتائج، يتنبأ نموذج LightGBM بشكل فعال بالتعرض للتنمر، محققًا دقة بنسبة 70%، ودرجة F1 تبلغ 0.69، ومنطقة تحت منحنى ROC (AUC) تبلغ 0.70 على مجموعة الاختبار المحجوزة. تم تحليل توقعات النموذج بشكل إضافي باستخدام الرسوم البيانية لأهمية التجميع (AIG) وSHapley Additive exPlanations (SHAP) لتحديد الأسئلة الرئيسية في الاستبيان التي تؤثر على النتائج. حددت AIG مستوى الصف كأهم مؤشر، تليه مشاعر الإقصاء وعوامل أسرية متنوعة، بينما تميزت أيضًا بين عوامل الخطر والعوامل الوقائية.
تتوافق النتائج من AIG وSHAP إلى حد كبير، حيث تبرز كلتا الطريقتين أن المشاعر الأعلى بالإقصاء والصراعات الأسرية تزيد من احتمال تصنيف الشخص على أنه “مُتنمر عليه”. ومن الجدير بالذكر أن المستويات الدراسية الأقل، مثل “الصف السادس”، ترتبط بقيم SHAP سلبية، مما يشير إلى احتمال أعلى للتعرض للتنمر، بينما ترتبط الصفوف الأعلى، مثل “الصف الثاني عشر”، بقيم SHAP إيجابية، مما يشير إلى احتمال أقل للتعرض للتنمر. تؤكد النتائج على أهمية العوامل الديموغرافية والنفسية الاجتماعية في التنبؤ بالتعرض للتنمر.
المناقشة
تستخدم فقرة المناقشة في الدراسة نموذج التنمية الاجتماعية (SDM) لتحليل عوامل الخطر والعوامل الوقائية المرتبطة بالتعرض للتنمر بين المراهقين. تشير النتائج الرئيسية إلى أن عوامل الخطر المهمة تشمل مشاعر الإقصاء الاجتماعي، والصراعات الأسرية الشديدة، وإساءة استخدام المواد المخدرة في الأسرة، بينما تشمل العوامل الوقائية مستويات دراسية أعلى، والمشاركة الطوعية في المدرسة، وفرص النقاشات الصفية. ومن الجدير بالذكر أن الدراسة تحدد الشعور بالإقصاء كأهم عامل خطر للتنمر عبر الإنترنت وفي الحياة الواقعية، مما يبرز أهمية العلاقات القوية بين الأقران في التخفيف من التعرض. تتماشى الأبحاث مع الأدبيات الحالية التي تبرز التأثير الضار للبيئات الأسرية غير المستقرة على ديناميات التنمر، مما يشير إلى أن تعزيز العلاقات الأسرية الداعمة يمكن أن يكون استراتيجية حيوية للوقاية.
بالإضافة إلى ذلك، تكشف الدراسة عن اتجاهات ديموغرافية، تشير إلى أن المراهقين الأصغر سنًا، وخاصة الإناث، أكثر عرضة للتنمر. تُظهر التحليلات أنه بينما تعتبر المستوى الدراسي عاملًا وقائيًا ضد التنمر، فإن تأثيره يختلف عبر أنواع مختلفة من التعرض، حيث يكون التنمر عبر الإنترنت أقل تأثرًا بالعمر. كما تبرز النتائج أن استهلاك الكحول المبكر هو عامل خطر كبير للتنمر عبر الإنترنت، مما يعزز العلاقة بين استخدام المواد المخدرة وسلوكيات التنمر. بشكل عام، تؤكد الدراسة على الحاجة إلى استراتيجيات وقائية مستهدفة تعالج كل من العوامل الأسرية والاجتماعية لتقليل التعرض للتنمر بين المراهقين بشكل فعال.
القيود
تسلط القيود في هذه الدراسة الاستكشافية الضوء على عدة اعتبارات رئيسية لتفسير نتائجها. في المقام الأول، تهدف الدراسة إلى تحديد الأنماط والعلاقات بدلاً من تأكيد فرضيات محددة، مما يعني أنه يجب النظر إلى النتائج على أنها رؤى أولية بدلاً من استنتاجات نهائية. على الرغم من تحديد ارتباطات ذات مغزى بين عوامل الخطر والعوامل الوقائية للمراهقين والتعرض للتنمر، إلا أن الدراسة لا تؤسس روابط سببية، مما يتطلب مزيدًا من البحث من خلال تصاميم طولية أو تجريبية للتحقق من هذه العلاقات.
علاوة على ذلك، تحد الطبيعة الرصدية للبيانات من القدرة على تقديم ادعاءات سببية. على سبيل المثال، بينما ترتبط بعض العوامل الوقائية، مثل زيادة المشاركة في النقاشات الصفية، بانخفاض حالات التنمر، لا يزال من غير الواضح ما إذا كانت هذه العوامل تؤثر مباشرة على نتائج التنمر أو إذا كانت مرتبطة ببساطة بخصائص أخرى أساسية للطلاب. كما أن تصميم الاستبيان المجهول يطرح تحديات، حيث يمكن أن يستجيب المشاركون في عدة سنوات، مما يعقد تحليل التغيرات التنموية بمرور الوقت. أخيرًا، تقتصر الأبحاث جغرافيًا على يوتا، مما يشير إلى أن الدراسات المستقبلية يجب أن تشمل مجموعة أوسع من الولايات لتعزيز قابلية تعميم النتائج المتعلقة بملفات التعرض للتنمر بين المراهقين.
DOI: https://doi.org/10.1186/s12889-025-21521-0
PMID: https://pubmed.ncbi.nlm.nih.gov/39863846
Publication Date: 2025-01-25
Author(s): Zhenyun Du et al.
Primary Topic: Bullying, Victimization, and Aggression
Overview
The research investigates the risk and protective factors associated with bullying victimization among adolescents, utilizing data from the Student Health and Risk Prevention (SHARP) survey, which included responses from 345,506 students in Utah between 2009 and 2021. Employing a machine learning model (LightGBM) with an accuracy of 70%, the study identifies key predictors of bullying victimization, including younger grade levels, feelings of social exclusion, and family-related issues such as frequent arguments and substance use. Notably, the analysis reveals that both male and female adolescents share similar risk factors, with online bullying victimization particularly linked to early onset of drinking.
The findings highlight the significant role of family dynamics and social inclusion in bullying experiences, suggesting that strong family relationships and supportive home environments correlate with lower victimization rates. Conversely, social exclusion and family conflict are associated with increased victimization. The study advocates for prevention programs that focus on enhancing family relationships and fostering social support, emphasizing the need for future research to explore these factors across diverse geographical contexts and through longitudinal studies to better understand causal relationships.
Introduction
The introduction of the research paper addresses the critical issue of bullying, defined as unwanted aggressive behavior that causes harm to victims. In the U.S., approximately 5% of adolescents aged 12-18 experience bullying, with notable prevalence among males (11.4%) and females (10.7%). The section emphasizes the necessity of understanding the risk and protective factors associated with bullying to enhance prevention strategies. The Utah Anti-Hazing Law provides a framework for recognizing and addressing bullying, including cyberbullying, which affects nearly 46% of U.S. youth aged 13-17. The rise of technology and social media has exacerbated the incidence of online bullying, highlighting the need for ongoing research into the behaviors and factors contributing to these trends.
Furthermore, the introduction discusses the detrimental effects of bullying on adolescents’ mental health, linking it to increased risks of depression, anxiety, and suicidal behavior. Adolescents subjected to both online and in-person bullying are found to be 2.77 times more likely to experience psychological distress. Recent studies employing machine learning techniques have shown promise in identifying online bullying behaviors, with significant findings indicating a 70% increase in such behaviors during the COVID-19 pandemic. These studies demonstrate the potential for machine learning to detect various forms of bullying in social media content, providing valuable tools for intervention and prevention efforts.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research question. The study utilized a quantitative approach, involving a controlled experiment with a sample size of N participants, selected through stratified random sampling to ensure representativeness. Data collection was conducted using validated instruments, including surveys and standardized tests, which measured the relevant variables of interest.
Statistical analyses were performed using software tools, applying techniques such as regression analysis and ANOVA to assess the relationships between variables and to test the hypotheses. The significance level was set at $\alpha = 0.05$, and effect sizes were calculated to evaluate the practical implications of the findings. The methodology was designed to minimize bias and enhance the reliability of the results, ensuring that the conclusions drawn from the data are robust and valid.
Results
In the results section, the LightGBM model effectively predicts bullying victimization, achieving an accuracy of 70%, an F1 score of 0.69, and an area under the ROC curve (AUC) of 0.70 on the held-out test set. The model’s predictions were further analyzed using Aggregated Importance Graphs (AIG) and SHapley Additive exPlanations (SHAP) to identify key survey questions influencing the outcomes. AIG identified grade level as the most significant predictor, followed by feelings of being left out and various family factors, while also distinguishing between risk and protective factors.
The findings from AIG and SHAP largely align, with both methods highlighting that higher feelings of being left out and family conflicts increase the likelihood of being classified as “bullied.” Notably, lower grade levels, such as “6th grade,” correlate with negative SHAP values, indicating a higher probability of being bullied, whereas higher grades, like “12th grade,” are associated with positive SHAP values, suggesting a lower likelihood of being bullied. The results underscore the importance of demographic and psychosocial factors in predicting bullying victimization.
Discussion
The discussion section of the study employs the Social Development Model (SDM) to analyze risk and protective factors associated with adolescent bullying victimization. Key findings indicate that significant risk factors include feelings of social exclusion, severe family conflicts, and family substance abuse, while protective factors encompass higher grade levels, voluntary school engagement, and opportunities for class discussions. Notably, the study identifies feeling left out as the most critical risk factor for both online and in-person bullying, underscoring the importance of strong peer relationships in mitigating victimization. The research aligns with existing literature that highlights the detrimental impact of unstable family environments on bullying dynamics, suggesting that fostering supportive family relationships could be a vital strategy for prevention.
Additionally, the study reveals demographic trends, indicating that younger adolescents, particularly females, are more susceptible to bullying. The analysis shows that while grade level serves as a protective factor against bullying, its influence varies across different types of victimization, with online bullying being less affected by age. The findings also highlight that early alcohol consumption is a significant risk factor for online bullying, reinforcing the connection between substance use and bullying behaviors. Overall, the study emphasizes the need for targeted prevention strategies that address both familial and social factors to effectively reduce bullying victimization among adolescents.
Limitations
The limitations of this exploratory study highlight several key considerations for interpreting its findings. Primarily, the study aims to identify patterns and relationships rather than confirm specific hypotheses, which means that the results should be viewed as preliminary insights rather than definitive conclusions. While meaningful associations between adolescent risk and protective factors and bullying victimization were identified, the study does not establish causal links, necessitating further research through longitudinal or experimental designs to validate these relationships.
Additionally, the observational nature of the data limits the ability to make causal claims. For instance, while certain protective factors, such as increased participation in class discussions, are correlated with lower instances of bullying, it remains unclear whether these factors directly influence bullying outcomes or if they are simply associated with other underlying characteristics of the students. The anonymous survey design also presents challenges, as participants could potentially respond in multiple years, complicating the analysis of developmental changes over time. Lastly, the research is geographically limited to Utah, suggesting that future studies should encompass a broader range of states to enhance the generalizability of the findings regarding bullying victimization profiles among adolescents.