MétaCan
Menu
Retour à la cohorte
Enregistrement W2419594638 · doi:10.1111/cob.12150

‘Life in the age of screens’: parent perspectives on a 24‐h no screen‐time challenge

2016· article· en· W2419594638 sur OpenAlexafffund
Sandra Peláez, Stéphanie Alexander, Jean‐Baptiste Roberge, Mélanie Henderson, Jean‐Luc Bigras, Tracie A. Barnett

Notice bibliographique

RevueClinical Obesity · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueObesity, Physical Activity, Diet
Établissements canadiensUniversité de MontréalInstitut National de la Recherche ScientifiqueCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésTemptationScreen timeMedicineTime limitIntervention (counseling)SchedulePhoneFocus groupMedical educationNursingObesitySocial psychologyPsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Screens have become ubiquitous in modern society. Their use frequently underlies sedentary behaviour, a well-established determinant of obesity. As part of a family oriented clinic offering a 2-year lifestyle program for obese children and youth, we explored parents' experiences with a 24-h no screen-time challenge, an intervention designed to raise awareness of screen-time habits and to help families develop strategies to limit their use. In total, 15 parents representing 13 families participated. A focus group with nine parents and six phone interviews with those who could not join in person were conducted. Interviews were transcribed verbatim and analysed qualitatively. Key elements to successful completion of the 24-h no screen-time challenge emerged, namely: clear rules about permitted activities during the 24-h period; togetherness, i.e. involving all family members in the challenge; and busyness, i.e. planning a full schedule in order to avoid idleness and preclude the temptation to use screens. Our findings suggest that practitioners aiming to increase awareness of screen-time or to limit their use may be more likely to succeed if they include all family members, offer concrete alternatives to screen-based activities and provide tailored strategies to manage discretionary time.

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)0,006
score de la tête « metaresearch » (Gemma)0,015
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,015
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0050,004
Communication savante0,0040,003
Science ouverte0,0010,003
Intégrité de la recherche0,0020,005
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 Opus0,085
Tête enseignante GPT0,363
Écart entre enseignants0,279 · 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

Citations4
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical ObesityMême sujetObesity, Physical Activity, DietTravaux en français237 207