Passive Sensing of Preteens’ Smartphone Use: An Adolescent Brain Cognitive Development (ABCD) Cohort Substudy
Notice bibliographique
Résumé
BACKGROUND: Concerns abound regarding childhood smartphone use, but studies to date have largely relied on self-reported screen use. Self-reporting of screen use is known to be misreported by pediatric samples and their parents, limiting the accurate determination of the impact of screen use on social, emotional, and cognitive development. Thus, a more passive, objective measurement of smartphone screen use among children is needed. OBJECTIVE: This study aims to passively sense smartphone screen use by time and types of apps used in a pilot sample of children and to assess the feasibility of passive sensing in a larger longitudinal sample. METHODS: The Adolescent Brain Cognitive Development (ABCD) study used passive, objective phone app methods for assessing smartphone screen use over 4 weeks in 2019-2020 in a subsample of 67 participants (aged 11-12 years; 31/67, 46% female; 23/67, 34% White). Children and their parents both reported average smartphone screen use before and after the study period, and they completed a questionnaire regarding the acceptability of the study protocol. Descriptive statistics for smartphone screen use, app use, and protocol feasibility and acceptability were reviewed. Analyses of variance were run to assess differences in categorical app use by demographics. Self-report and parent report were correlated with passive sensing data. RESULTS: Self-report of smartphone screen use was partly consistent with objective measurement (r=0.49), although objective data indicated that children used their phones more than they reported. Passive sensing revealed the most common types of apps used were for streaming (mean 1 hour 57 minutes per day, SD 1 hour 32 minutes), communication (mean 48 minutes per day, SD 1 hour 17 minutes), gaming (mean 41 minutes per day, SD 41 minutes), and social media (mean 36 minutes per day, SD 1 hour 7 minutes). Passive sensing of smartphone screen use was generally acceptable to children (43/62, 69%) and parents (53/62, 85%). CONCLUSIONS: The results of passive, objective sensing suggest that children use their phones more than they self-report. Therefore, use of more robust methods for objective data collection is necessary and feasible in pediatric samples. These data may then more accurately reflect the impact of smartphone screen use on behavioral and emotional functioning. Accordingly, the ABCD study is implementing a passive sensing protocol in the full ABCD cohort. Taken together, passive assessment with a phone app provided objective, low-burden, novel, informative data about preteen smartphone screen use.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».