MétaCan
Menu
Retour à la cohorte
Enregistrement W3204649093 · doi:10.1177/10901981211035702

Developmental Associations Between Media Use and Adolescent Prosocial Behavior

2021· article· en· W3204649093 sur OpenAlexaffabout
Caroline Fitzpatrick, Elroy Boers

Notice bibliographique

RevueHealth Education & Behavior · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensCentre Hospitalier Universitaire Sainte-JustineUniversité Sainte-Anne
Organismes subventionnairesnon disponible
Mots-clésProsocial behaviorPsychologyThe InternetVideo gameDevelopmental psychologyPopulationMultilevel modelLongitudinal studyScreen timeSocial psychologyDemographyMultimediaMedicinePhysical activity

Résumé

récupéré en direct d'OpenAlex

Youth today spend a tremendous amount of time with digital media. The purpose of the present study was to estimate developmental associations between screen media use between the ages of 15 and 17 and corresponding changes in prosocial behavior. Participants ( N = 1,509) were part of the Quebec Longitudinal Study of Child Development, a population-based study of children born in the province of Quebec, Canada. Youth self-reported internet and video game use and television or movies/DVD viewing, as well as prosocial behavior at the ages of 15 and 17. Analyses were conducted using multilevel linear modelling to account for between-, within-, and lagged-person effects. Internet and video game use accounted for less prosocial behavior at the within-person and lagged-person levels. Television use also accounted for lagged-person effects in prosocial behavior. Finally, internet use and television viewing contributed to between person differences in prosocial behavior. Our study presents strong statistical evidence that media use during adolescence can undermine the development of prosocial behavior.

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)0,003
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 enseignants0,125
Score d'incertitude au seuil0,249

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
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 ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,113
Tête enseignante GPT0,395
Écart entre enseignants0,281 · 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

Citations20
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealth Education & BehaviorMême sujetChild Development and Digital TechnologyTravaux en français237 207