From screen time to the digital level of analysis: a scoping review of measures for digital media use in children and adolescents
Notice bibliographique
Résumé
OBJECTIVES: This scoping review aims to facilitate psychometric developments in the field of digital media usage and well-being in young people by (1) identifying core concepts in the area of "screen time" and digital media use in children, adolescents, and young adults, (2) synthesising existing research paradigms and measurement tools that quantify these dimensions, and (3) highlighting important areas of need to guide future measure development. DESIGN: A scoping review of 140 sources (126 database, 14 grey literature) published between 2014 and 2019 yielded 162 measurement tools across a range of domains, users, and cultures. Database sources from Ovid MEDLINE, PsycINFO and Scopus were extracted, in addition to grey literature obtained from knowledge experts and organisations relevant to digital media use in children. To be included, the source had to: (1) be an empirical investigation or present original research, (2) investigate a sample/target population that included children or young persons between the ages of 0 and 25 years of age, and (3) include at least one assessment method for measuring digital media use. Reviews, editorials, letters, comments and animal model studies were all excluded. MEASURES: Basic information, level of risk of bias, study setting, paradigm, data type, digital media type, device, usage characteristics, applications or websites, sample characteristics, recruitment methods, measurement tool information, reliability and validity. RESULTS: Significant variability in nomenclature surrounding problematic use and criteria for identifying clinical impairment was discovered. Moreover, there was a paucity of measures in key domains, including tools for young children, whole families, disadvantaged groups, and for certain patterns and types of usage. CONCLUSION: This knowledge synthesis exercise highlights the need for the widespread development and implementation of comprehensive, multi-method, multilevel, and multi-informant measurement suites.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,043 | 0,174 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,031 | 0,027 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».