Parental influence on adolescent risk behaviours: a strategy to empower parents
Notice bibliographique
Résumé
Background Adolescence is a developmental period marked by a rise in risk-taking, injury and mortality rates. Mortality rates increase by 200% during this developmental period. This rise has been related to adolescents' increased involvement in maladaptive risk-taking (eg, risky driving). Research highlights the importance of teenagers' parents in the risk decisions they make. Aims/Objectives/Purpose In order to deepen the understanding of parental influence on risk-taking, Parachute, sponsored by State Farm Insurance, conducted an in-depth study and has begun developing parent programming. Methods An extensive literature review revealed that parents have more influence than they may be aware of. A Canada-wide survey was conducted on 300 parents (76 males, 224 females) and their 300 teenagers (150 males, 148 females) to test the theories emerging from the literature review. Parent and child responses to these surveys were compared using paired-samples t tests and regression analyses. Results/Outcome Analyses demonstrated significant relationships between parental variables and levels of parental influence. In fact, regression analyses revealed that a child's perception of their parent's risk-taking behaviours significantly predicted 30% of the variability in their risk-taking frequencies. Significance/Contribution to the Field Overall, it was found that Canadian parents have a great deal of influence over their children's risk-taking, through their behaviours and home environments. These results support the need to work with parents around their influence over their teens' behaviours. Parachute has begun developing parent programming to engage and empower parents around becoming the most positive influence possible, aiding in the long-term reduction of injuries and deaths.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».