EEn la última década se ha observado un incremento en la aplicación de programas para reducir la violencia en las escuelas. El presente estudio tuvo como objetivo identificar la efectividad de programas relacionados con la violencia escolar por medio de una revisión sistemática de la literatura y un metanálisis. Siguiendo los pasos sugeridos por el protocolo Prisma y con base en los criterios de inclusión y exclusión, se seleccionó y analizó 14 estudios encontrados en las bases de datos Web of Science, PsycINET, Scopus, Ebsco, Scielo y PubMed. La mayoría de las intervenciones analizadas mostraron ser efectivas para la reducción de conductas asociadas con la violencia escolar (87.72%). Además, se revisó algunas otras características de los estudios como las variables incluidas en los estudios, la nacionalidad y tipo de intervención. Finalmente, se resalta la importancia de contar con medidas y programas estandarizados para dar respuesta al complejo fenómeno de la violencia escolar.
Durante la última década ha habido un crecimiento exponencial de modelos de inteligencia artificial aplicados a los distintos campos del conocimiento incluida la psicología. Diversos estudios han utilizado dichos modelos con el objetivo de identificar precozmente potenciales riesgos. Sin embargo, pocos estudios enfocados en adolescentes han utilizado dichas técnicas. La presente revisión sistemática utilizó los pasos sugeridos por el modelo Prisma para identificar estudios que aplicaron técnicas de Machine Learning para identificar rasgos comportamentales en adolescentes. Al aplicar los criterios de inclusión y exclusión fueron identificados 5 estudios en las bases de datos PsycNET, PubMed, Scopus, Scielo, Web of Science y Science Direct. Los principales resultados muestran que los algoritmos de Machine learning principalmente utilizados de forma individual o combinada fueron regresión logística (n=4) y Support Vector Machine SVM (n=3) además de otros como Adaboost (n=1) Nested ten-fold crossvalidation (n=1), Random Forest (n=1), Artificial Neural Network ANN (n=1) y Extreme gradient boosting XGB (n=1). Esta revisión resalta que la utilización de métodos de Machine learning proveen herramientas predictivas confiables tanto o más que los métodos estadísticos tradicionales. Por último, la presente revisión destaca la falta de estudios que utilicen dichas herramientas en el campo de la psicología principalmente en adolescentes.
El estudio tuvo como objetivo identificar el nivel de satisfacción con la vida en un grupo de migrantes guatemaltecos retornados desde los EE. UU. a Guatemala. Participaron 110 personas (hombres 86,50 % y 13,50 % mujeres). Se utilizó una escala de datos sociodemográficos y la escala de satisfacción con la vida (Diener et al., 1985). Los resultados indican que 74,80 % de los participantes manifiestan estar satisfechos con su vida a pesar de haber sido deportados desde los EE. UU. Se realizó una serie de correlaciones entre las variables sociodemográficas y el nivel de satisfacción con la vida y se evidenció una correlación negativa entre satisfacción con la vida y el número de intentos por llegar a Estados Unidos (r=-0.318; p< 0.01).
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.