An examination of bedtime media and excessive screen time by Canadian preschoolers during the COVID-19 pandemic
Notice bibliographique
Résumé
BACKGROUND: Risky media use in terms of accumulating too much time in front of screens and usage before bedtime in early childhood is linked to developmental delays, reduced sleep quality, and unhealthy media use in later childhood and adulthood. For this reason, we examine patterns of media use in pre-school children and the extent to which child and family characteristics contribute to media use during the COVID-19 pandemic. METHODS: A cross-sectional study of digital media use by Canadian preschool-aged children (mean age = 3.45, N = 316) was conducted at the start of the COVID-19 pandemic between April and August of 2020. Parents completed a questionnaire and 24-h recall diary in the context of an ongoing study of child digital media use. From these responses we estimated hours of average daily screen time, screen time in the past 24 h, average daily mobile device use, and media use before bedtime. Parents also answered questions about their child (i.e., age, sex, temperament), family characteristics (parental mediation style, parental screen time, education, income), and contextual features of the pandemic (ex., remote work, shared childcare). Daycare closures were directly assessed using a government website. RESULTS: Our results indicate that 64% of preschoolers used more than 2 h of digital media hours/day on average during the pandemic. A majority (56%) of children were also exposed to media within the hour before bedtime. Logistic and multinomial regressions revealed that child age and temperament, restrictive parental mediation, as well as parent digital media use, education, satisfaction with the division of childcare, remote work, and number of siblings and family income were all correlates of risky digital media use by preschoolers. CONCLUSIONS: Our results suggest widespread risky media use by preschoolers during the pandemic. Parenting practices that include using more restrictive mediation strategies may foster benefits in regulating young children's 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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».