MétaCan
Menu
Retour à la cohorte
Enregistrement W4311351103 · doi:10.3390/ijerph192416719

Psychosocial Correlates of Recreational Screen Time among Adolescents

2022· article· en· W4311351103 sur OpenAlexaffabout
Joanie Roussel-Ouellet, Dominique Beaulieu, Lydi‐Anne Vézina‐Im, Stéphane Turcotte, Valérie Labbé, Danielle R. B̀ouchard

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensCégep de LévisCentre intégré de santé et de services sociaux de Chaudière-AppalachesUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésRecreationPsychosocialPopulationMedicineScreen timePsychological interventionDemographyPsychologyClinical psychologyEnvironmental healthPsychiatryPhysical activityPhysical therapy

Résumé

récupéré en direct d'OpenAlex

The study objective was to identify the psychosocial correlates of recreational screen time among adolescents. Data collection took place in four high schools from the Chaudière-Appalaches region (Quebec, Canada) from late April to mid-May 2021. A total of 258 French-speaking adolescents (69.8% between 15 and 16 years and 66.3% girls) answered an online questionnaire based on the Reasoned Action Approach. Recreational screen time was measured using the French version of a validated questionnaire. Adolescents reported a mean of 5 h and 52 min/day of recreational screen time. Recreational screen time was associated with being a boy (β = 0.33; p < 0.0001) and intention to limit recreational screen time to a maximum of 2 h/day (β = −0.15; p = 0.0001); this model explained 30% of the variance in behavior. Intention to limit recreational screen time to a maximum of 2 h/day in the next month was associated with attitude (β = 0.49; p < 0.0001), self-identity (β = 0.33; p < 0.0001), being a boy (β = −0.21; p = 0.0109), perceived behavioral control (β = 0.18; p = 0.0016), and injunctive norm (β = 0.17; p < 0.0001); this model explained 70% of the variance in intention. This study identified avenues to design public health interventions aimed at lowering recreational screen time among this population.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,057
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,048
Tête enseignante GPT0,395
Écart entre enseignants0,347 · 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 tête enseignante, pas un consensus.

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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetImpact of Technology on AdolescentsTravaux en français237 207