MétaCan
Menu
Retour à la cohorte
Enregistrement W3140574731 · doi:10.2196/26808

Leisure and Problem Gaming Behaviors Among Children and Adolescents During School Closures Caused by COVID-19 in Hong Kong: Quantitative Cross-sectional Survey Study

2021· article· en· W3140574731 sur OpenAlexvenueno aff
Shimin Zhu, Yanqiong Zhuang, Paul H. Lee, Jessica C. M. Li, Paul Wong

Notice bibliographique

RevueJMIR Serious Games · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLonelinessMental healthAddictionPsychologyBehavioral addictionLogistic regressionSocioeconomic statusFeelingCross-sectional studyClinical psychologyMultinomial logistic regressionPublic healthDemographyMedicinePsychiatrySocial psychologyEnvironmental healthPopulation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: School closures during the COVID-19 pandemic may have exacerbated students' loneliness, addictive gaming behaviors, and poor mental health. These mental health issues confronting young people are of public concern. OBJECTIVE: This study aimed to examine the associations between loneliness and gaming addiction behaviors among young people in Hong Kong and to investigate how familial factors, psychological distress, and gender differences moderate these relationships. METHODS: This cross-sectional study was conducted in June 2020 when schools reopened after 6 months of school closures. Participants included 2863 children and adolescents in primary (Grades 4 to 6) and secondary (Grades 7 and 8) schools (female participants: 1502/2863, 52.5%). Chi-square tests, one-way analyses of variance, and independent-samples t tests were performed to compare the differences of distribution in gaming addiction behaviors across gender, age, and other sociodemographic characteristics. Multinomial logistic regression analyses were conducted to identify factors that relate to excessive or pathological gaming behaviors separately, in comparison with leisure gaming. RESULTS: A total of 83.0% (2377/2863) of the participants played video games during the COVID-19 pandemic. The prevalence of excessive and pathological game addiction behaviors was 20.9% (597/2863) and 5.3% (153/2863), respectively. More male students had gaming addiction symptoms than female students. The multinomial logistic regressions showed that feeling lonely was associated with more problematic gaming behaviors, and the association was stronger for older female students. Low socioeconomic status, less parental support and less supervision, and poor mental health were risk factors for gaming addiction behaviors, especially among primary school students. CONCLUSIONS: Loneliness was associated with gaming addiction behaviors; the findings from this study suggested that this association was similar across gender and age groups among young people. Familial support and supervision during school closures can protect young people from developing problematic gaming behaviors. Results of this study have implications for prevention and early intervention on behalf of policy makers and game developers.

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)0,001
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 enseignants0,113
Score d'incertitude au seuil0,225

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,020
Tête enseignante GPT0,360
Écart entre enseignants0,340 · 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

Citations136
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Serious GamesMême sujetImpact of Technology on AdolescentsTravaux en français237 207