Patterns of parent screen use, child screen time, and child socioemotional problems at 5 years
Notice bibliographique
Résumé
Background: Digital media screens have become an essential part of our family life. While most studies focus on children’s screen use, we know less about parental screen use patterns and how these affect children’s socio-emotional development.Method: 867 Canadian parents of 5-year old children from the TARGet Kids! Cohort (73.1% mothers, mean age=38.88±4.45 years) participated from 2014 to 2020. Parents reported parental and child time on TV and handheld devices and completed the Strengths and Difficulties Questionnaire (SDQ). Latent profile analysis (LPA) was used to identify groups of parents with similar patterns of screen use and link these profiles with child screen time and SDQ.Results: We identified six latent profiles of parent screen use: low users (P1, reference; n=323), more TV than handheld (P2; n=261), equal TV and handheld (P3; n=177), more handheld than TV (P4; n=57), high TV and handheld (P5; n=38) and extremely high TV and handheld (P6; n=11). P6 were more likely to be living in single parent households compared to P1 (estimate=-1.49(0.70), p=0.03). P2 (estimate=-0.67(0.32), p=0.04) and P4 (estimate=-1.42(0.40), p<0.001) were more likely to have lower household income compared to P1. P4 (χ2=12.32, p<0.001) and P5 (χ2=9.54, p=0.002) have higher total child screen time compared to P1. P6 (χ2=6.82, p=0.009) had higher total SDQ compared to P1.Discussion: Patterns of parent screen use were associated with child screen use and child socioemotional problems. The link between parental screen use profiles and child behaviours suggests a need for guidelines on parental screen time.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».