MétaCan
Menu
Retour à la cohorte
Enregistrement W2021194712 · doi:10.1177/1362361314566047

Plugged in: Electronics use in youth and young adults with autism spectrum disorder

2015· article· en· W2021194712 sur OpenAlexafffund
Jennifer A. MacMullin, Yona Lunsky, Jonathan A. Weiss

Notice bibliographique

RevueAutism · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensCentre for Addiction and Mental HealthYork University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAutism spectrum disorderAutismDemographicsPsychologyClinical psychologyPsychiatryDemography

Résumé

récupéré en direct d'OpenAlex

Although electronic technology currently plays an integral role for most youth, there are growing concerns of its excessive and compulsive use. This study documents patterns and impact of electronics use in individuals with autism spectrum disorder compared to typically developing peers. Participants included 172 parents of typically developing individuals and 139 parents of individuals with an autism spectrum disorder diagnosis, ranging in age from 6 to 21 years. Parents completed an online survey of demographics and the frequency, duration, and problematic patterns of electronics use in their youth and young adults. Individuals with autism spectrum disorder were reported to use certain electronics more often in the last month and on an average day, and had greater compulsive Internet and video game use than individuals without autism spectrum disorder. Across both samples, males used video games more often than females. Compared to parents of individuals without autism spectrum disorder, parents of individuals with autism spectrum disorder were significantly more likely to report that electronics use was currently having a negative impact. The implications of problematic electronics use for individuals with autism spectrum disorder are discussed.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,236
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations118
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAutismMême sujetChild Development and Digital TechnologyTravaux en français237 207