119 Does exposure to general warnings in framed messages reduce risk behaviours in school-aged children?
Notice bibliographique
Résumé
<h3>Statement of Purpose</h3> Framed safety messages (gain- or loss- framed) can counteract the increase in risk taking that occurs when children are in a heightened positive mood. In previous research, framed safety messages have consisted of behaviourally targeted messages that emphasize avoiding risk behaviors leading to specific injuries and outcomes. The current study examined whether more general warning messages in framed contexts had a differential effect on reducing risk taking in children when in a heightened positive mood. <h3>Methods/Approach</h3> 39 children (7–9 years) were exposed to a safety message (gain- or loss-frame) regarding play behaviors on an obstacle course. Children’s risk-taking running the obstacle course was measured before and after a positive mood induction. <h3>Results</h3> Participants who were exposed to loss-framed safety messages in both the general and behaviorally targeted groups demonstrated a significantly lower level of risk taking compared to baseline, whereas participants who were exposed to gain-framed safety messages in both groups performed at baseline levels. Regardless of whether children were exposed to general or behaviorally specific messages, gain and loss messaging counteracted the increase in risk taking when in a positive mood, but loss messages produced greater reductions in risk taking than gain messages. <h3>Conclusion</h3> The results indicate that general messages can be as effective as behaviorally specific messages. Moreover, the loss-framed safety message had a greater effect on reducing risk-taking in children when in a heightened positive mood than the gain-framed safety message. <h3>Significance and Contributions</h3> The results suggest that placing an emphasis on specific risk-taking behaviors and outcomes is not necessary in order to reduce risk-taking behaviours in school-aged children during play situations. This makes this intervention approach feasible to apply in situations in which there are a variety of potential risk behaviors which makes targeting a specific one likely to limit effectiveness of the intervention.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».