Recreational Screen Time Use among a Small Sample of Canadians during the First Six Months of the COVID-19 Pandemic
Notice bibliographique
Résumé
(1) Background: The coronavirus (COVID-19) pandemic has caused disruptions in the daily lives of individuals in Canada. Purpose: Examine how total and specific (i.e., watching television, using social media, going on the Internet, playing video games, and engaging in virtual social connection) recreational screen time behaviours changed throughout the first six months of the COVID-19 pandemic, in comparison to pre-pandemic levels; (2) Methods: Sixty four Canadians (mostly Caucasian, female, age range = 21-77 years) completed monthly surveys from April to September of 2020; (3) Results: A one-way repeated measures analysis of variance (RM-ANOVA) and subsequent post hoc analysis revealed that total recreational screen time was statistically higher in late March/April (292.5 min/day ± 143.0) and into May, compared to pre-COVID-19 (187.8 min/day ± 118.3), before declining in subsequent months; (4) Conclusions: Generally, specific recreational screen time behaviours, such as time spent watching television, followed the same trend. Future studies with larger sample sizes and from other countries examining recreational screen time behaviours longitudinally over the pandemic are still needed to allow for greater generalizability.
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 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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».