Adolescent media use and its association to wellbeing in a Canadian national sample
Notice bibliographique
Résumé
Our objective is to describe associations between media usage and multiple wellbeing indicators in a nationally representative sample of Canadian youth (CSTADS 2012-13) enrolled in grades 7 to 12 (N = 41,057). Youth reported media usage (television/movie viewing, videogame playing, and surfing the internet), wellbeing (academic achievement, school connectedness, self-esteem, physical activity, intake of fruits and vegetables, and bullying), and psychological (drug use, drinking, and smoking) and sociodemographic confounds (ethnicity, grade, province, gender). Videogame playing was negatively associated with academic achievement, b = -0.07 (99% CI, -0.08-05), physical activity, b = -3.09, (99% CI, -3.63-2.56), school connectedness, b = -0.03 (99% CI, -0.04-0.02), self-esteem, b = -0.13 (99% CI, -0.16-0.09), and the consumption of fruits and vegetables b = -0.07 (99% CI, -0.11-0.03). Internet usage was negatively related to self-esteem, b = -0.25 (99% CI, -0.28-0.21), school connectedness, b = -0.03 (99% CI, -0.03-0.02), academic achievement, b = -0.02 (99% CI, -0.03-0.002) and physical activity b = -1.42 (99% CI, -1.92-0.91). Finally, television exposure was linked with less fruits and vegetable consumption, b = -0.09 (99% CI, -0.12-0.06), academic achievement b = -0.05 (99% CI, -0.07-0.04), school connectedness b = -0.02 (99% CI, -0.03-0.01), self-esteem b = -0.06 (99% CI, -0.11-0.003), and physical activity b = -1.09 (99% CI, -1.64-0.54). Internet, television/movies, and videogame time also increased the odds of bullying others by 9%, OR = 1.09 (99% CI, 1.04-1.14) 8%, OR = 1.08 (99% CI, 1.01-1.16) and 7%, OR = 1.07 (99% CI, 1.01-1.14) respectively. Overall effect sizes were small yet may represent significant impairment for heavy media users.
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 | 0,003 | 0,018 |
| 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 ».