O206 Association Of Physical Inactivity, Low Fitness And Sedentary Behaviors With Blood Pressure In 8-10 Year Old Children
Notice bibliographique
Résumé
The concept of cyberaddiction is far from being unanimously accepted by scientists (Ko, Yen, Yen, Chen, & Chen, 2012; Pezoa-Jares, Espinoza-Luna & Vasquez-Medina, 2012; Nadeau & et al. 2011; Perraton, Fusaro & Bonenfant, 2011. The same is true of addiction to videogames (Hellman, Schoenmakers, Nordstrom, & Van Holst 2013); Coulombe (2010); or to Facebook (Andreassen et al. 2012; Levard & Soulas, 2010). While certain researchers wished to see this condition included in the DSM-5, others question the operational and practical basis for the diagnostic criteria (Block, 2008).Through a review of litterature and results from research findings; the aim of this article is to propose a psychosocial perspective for the cyberaddiction phenomenon. By a psychosocial perspective, we mean the inclusion of social determinants (weak social ties, social exclusion, hyper individualism, poverty, unemployment, etc) and not only the individual characteristics associated with the disease model in the addiction field. To what extent social conditions and cyberaddiction behaviors constitute a potential pathology ? Can we include a psychosocial approach to gain a more general picture of this contemporary issue? In response to these questions, a contextualization and an attempt to define cyberaddiction will be followed by an analysis of some major issues in the development of this type of addiction. As a conclusion, a demonstration of the cycle of addiction on how people develop addictions, including cyberaddictions, will be done within a psychosocial perspective in order to seize the multifactorial aspects of this addiction.
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 | 0,000 | 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 | 0,000 |
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 ».