MétaCan
Menu
Retour à la cohorte
Enregistrement W4205353734 · doi:10.2196/36568

Effect of Screen Time on Behavior of Preschoolers in Islamabad: Descriptive Cross-sectional Study

2022· article· en· W4205353734 sur OpenAlexvenueno aff
Marriam Suleman, Ume Sughra

Notice bibliographique

RevueIproceedings · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScreen timeTest (biology)PsychologyCronbach's alphaCross-sectional studyDevelopmental psychologyDescriptive statisticsEarly childhoodDemographyMedicineStatisticsPsychometrics

Résumé

récupéré en direct d'OpenAlex

Background The early years of childhood form the basis of intelligence, personality, social behavior, and the capacity to learn and nurture oneself as an adult. It is increasingly recognized that early and longer exposure to screens has adverse effects on the development of children. This research was significant in finding out the effects of screen time on the behavior of preschoolers, which could provide scientific grounds to the control of digital screen time. Objective We aimed to determine the effect of electronic exposure on the behavior, emotional development, and sleep quality of preschoolers and determine the average number of hours preschoolers spend with electronic devices in Islamabad. Methods A cross-sectional survey was conducted in 4 private preschools of Islamabad. A sample of 200 children aged 3 to 5 years was selected through multistage random sampling. The sociodemographic characteristics and screen time of the children were acquired by using parental questionnaires. Children were grouped based on a daily screen time of ≤60 minutes or >60 minutes. An analysis was conducted based on the results of the Child Behavior Checklist for children aged 1.5 to 5 years. The Cronbach α coefficient was found to be .925. It was analyzed by using SPSS version 22 (IBM Corporation). A chi-square test, an independent sample t test, and multilinear regression were applied to determine the associations and significance levels between the variables. Results The study results indicate that increased screen time was found to be statistically significant with regard to a child’s age, their education level, and the employment status of mothers. It was observed that preschoolers with a screen time of >60 minutes (mean 11.94, SD 3.91; P=.01) tend to more commonly experience withdrawn syndrome than those with a screen time of ≤60 minutes (mean 10.72, SD 3.01). Similarly, sleep problems were also more commonly observed in preschoolers with a screen time of >60 minutes (mean 10.97, SD 3.20; P=.01) when compared to those with a screen time ≤60 minutes (mean 9.90, SD 2.59). It was also observed that increased screen time had an association with autism spectrum problems among preschoolers with a screen time of >60 minutes (mean 17.66, SD 5.89; P=.047) when compared to those among preschoolers with a screen time of ≤60 minutes (mean 16.17, SD 4.58). The strongest predictor of the outcome variable was found to be mothers’ education level (ß=21.53). Conclusions The findings reveal that excessive screen time is a deleterious factor associated with the behavioral problems of preschoolers. Parents must also think about their child’s screen time. This requires parents’ active engagement and constant attention, so that the development and growth of their children are not affected adversely.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,316
Écart entre enseignants0,296 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIproceedingsMême sujetChild Development and Digital TechnologyTravaux en français237 207