Loneliness and screen time usage over a year
Notice bibliographique
Résumé
INTRODUCTION: This study investigates the stability of loneliness in adolescents over a 1-year period. Also, we examine how the use of screen time media (watching television, playing video games, surfing the Internet, and texting) predicts loneliness over a year and how loneliness predicts screen time media usage. METHODS: The study uses survey data from the Cannabis, Obesity, Mental health, Physical activity, Alcohol, Smoking, and Sedentary behavior Study. A large (N = 20,903; 54% female) sample of Canadian students in grades 9-11 (Time 1) and grades 10-12 (Time 2) were assessed at two-time points, 1 year apart. RESULTS: Loneliness scores were found to be stable over the 1-year period, with a slight increase. Additionally, while loneliness was associated with some screen time within the same year, the effects from loneliness or screen time variables at time one predicting the other at time two were negligible. The study also provides evidence that the various screen time media did not fit a single dimension. Finally, there were sex differences in loneliness and some of the media variables. CONCLUSIONS: Loneliness appears to increase slightly over the course of a year in high school students. Results indicated that Internet use and loneliness are related; however screen time use in one year does not have a substantial impact on loneliness a year later or vice versa. Lastly, the data suggested that researchers examine screen time behaviors individually in their investigations.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».