An Analysis of Latent Profiles of Father-Child Interaction: Classification Predictors and Differences in Children’s Socio-Emotional Development
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The purpose of this study was to (1) classify subgroups of father-child interaction based on the type of interaction activity (routine, learning, and play interaction), (2) examine the effects of socio-demographic factors, father’s psycho-emotional factors, and maternal factors on the different types of father-child interaction groups, and (3) analyze differences in socio-emotional development of first graders in elementary school according to the type of father-child interaction. Analysis of 1,469 families (mothers, fathers, and children) was conducted using latent profile analysis (research question 1), complex sample multinomial logistic regression (RQ 2), and complex sample general linear modeling (RQ 3). Samples originated from the eighth wave (2015) of the Panel Study on Korean Children (PSKC). The main results were as follows. First, three distinct latent groups of father-child interaction based on the quantitative level of daily interaction were found: high-interaction (HI, 7.85%), medium-interaction (MI, 51.73%), and low-interaction (LI, 40.42%). Second, factors such as father’s happiness, positive evaluation of work-family balance, and mother-child interaction level were significant correlates for the classification of father-child interaction. Third, first graders in the HI group showed the highest levels of self-esteem in comparison to the other two groups and reported a higher level of subjective happiness in comparison to the LI group. These results bring to attention the importance of father-child interaction affecting the outcomes of children’s socio-emotional development.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle