MétaCan
Menu
Retour à la cohorte
Enregistrement W3120496178 · doi:10.29173/bsuj492

Mere Presence of a Cell Phone: Effects on Academic Ability

2020· article· en· W3120496178 sur OpenAlexaffvenue
Vanessa C. Boila, Tru E. Kwong, Jaimey E. Hintz

Notice bibliographique

RevueBehavioural Sciences Undergraduate Journal · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensMount Royal UniversityUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPhoneSpellingPsychologySentenceComprehensionAffect (linguistics)Social psychologyCommunicationComputer scienceLinguisticsNatural language processing

Résumé

récupéré en direct d'OpenAlex

Prior research has suggested that cell phone use in the classroom and during learning-related tasks is detrimental to academic performance. Recently, the mere presence of a cell phone has been found to negatively affect relationships and to impair performance on learning and cognitive tasks. This study explored whether the presence (visibility without use) of a cell phone negatively impacts one’s performance on tests measuring preexisting academic ability. The study evaluated 45 participants; some were enrolled in an introductory psychology course, and others were members of the public. Three subtests from the Wide Range Achievement Test (WRAT-4) were completed: spelling, sentence comprehension, and mathematics. During testing, half of the participants had cell phones, and the other half did not. Statistical analyses revealed no significant difference between the cell phone-present and cell phone-absent group on the sentence comprehension (p=.52), spelling (p=.07), and mathematics subtest (p=.11). Unexpectedly, a non-significant trend was observed in the opposite direction; that is, the cell phone-present group outperformed the cell phone-absent group on all subtests. Therefore, the original hypothesis suggesting that the cell phone-present group would be significantly poorer at demonstrating preexisting skills on tests of academic ability in comparison to the cell phone-present group was not supported.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,056
Tête enseignante GPT0,342
Écart entre enseignants0,286 · 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

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBehavioural Sciences Undergraduate JournalMême sujetImpact of Technology on AdolescentsTravaux en français237 207