MétaCan
Menu
Retour à la cohorte
Enregistrement W2809245684 · doi:10.7202/1048897ar

Utilisation problématique d’Internet et des jeux vidéo chez des étudiants en médecine

2018· article· fr· W2809245684 sur OpenAlexvenueno aff
Hélène Givron, Joëlle Berrewaerts, Guy Houbeau, Martin Desseilles

Notice bibliographique

RevueSanté mentale au Québec · 2018
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPsychologyArt

Résumé

récupéré en direct d'OpenAlex

Dependence on the Internet and video games would have an impact on academic performance and mental health.Objective Highlight some of the interest factors in a first-year medical student population who will be subjected during their studies and future to the intensive use of these technologies.Method A self-questionnaire was proposed, from a free access link from February to March 2014, to all first-year medical students at the University of Namur in Belgium. It consisted of questions related to socio-demographic data, Perceived Stress Scale (PSS 14), the Internet Addiction Test (IAT), the Problem Video Game Playing (PVP) and the Montgomery and Asberg Depression Rating Scale (MADRS).Results According to the Internet Addiction Test (IAT), 1% of the students are addicted to the Internet and 24,4% have occasional problematic use. According to Problem Video Game Playing (PVP), 11,4% of the students playing video games are problem gamblers. The data also show significantly higher scores for problematic use of the Internet and video games among stressed students, depressed students and those with poor academic performance.Conclusion We draw attention to the necessary debate between the rational use and the problematic use of new technologies as well as the need for longitudinal prevention from the beginning of studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,539
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,006
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,030
Tête enseignante GPT0,332
Écart entre enseignants0,303 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSanté mentale au QuébecMême sujetImpact of Technology on AdolescentsTravaux en français237 207