The Association Between Screen Time and Outdoor Time on Adolescent Mental Health and Academic Performance: Evidence from Rural China
Notice bibliographique
Résumé
Purpose: We examine how adolescent free time allocation-namely, screen time and outdoor time-is associated with mental health and academic performance in rural China. Methods: =13.22), with data collected from self-reported demographic questionnaires (to assess free time allocation), the Strengths and Difficulties Questionnaire (to assess mental health), and a standardized math test (to measure academic performance). We utilized a multivariate OLS regression model to examine associations between free time allocation and adolescent outcomes, controlling for individual and family characteristics. Results: Our sample's screen time and outdoor time both averaged around 1 hour. About 10% of the sample adolescents reported behavioral difficulties, while a similar percentage (11%) reported abnormal prosocial behaviors. Adolescents with higher levels of screen time (>2 hours) were 3 percentage points more likely to have higher levels of behavioral difficulties (p<0.001), indicating that excessive screen time was associated with worse mental health. Meanwhile, outdoor time was associated with better mental health, and positive correlations were observed at all levels of outdoor time (compared to no outdoor time, decreasing the likelihood of higher levels of behavioral difficulties by between 3 and 4 percentage points and of lower prosocial scores by between 6 and 8 percentage points; all p's<0.001). For academic performance, average daily screen times of up to 1 hour and 1-2 hours were both positively associated with standardized math scores (0.08 SD, p<0.001; 0.07 SD, p<0.01, respectively), whereas there were no significant associations between outdoor time and academic performance. Conclusion: Using a large sample size, this study was the first to examine the association between adolescent free time allocation with mental health and academic performance, providing initial insights into how rural Chinese adolescents can optimize their free 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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».