Gaming in Pandemic Times: An International Survey Assessing the Effects of Covid-19 Lockdowns on Video Gamer's Health
Notice bibliographique
Résumé
Abstract Background: The onset of COVID-19 coincided with the peak growth of video game usage with 2.7 billion gamers in 2020. During the pandemic, gaming and streaming platforms offered an entertaining, social, and safe alternative to recreation during severe lockdowns and social isolations. This study aimed to examine the impact of the COVID-19 pandemic on health-related outcomes in self-proclaimed video gamers based on the type of lockdown experienced, and to discuss the potential role of video games during times of preventive lockdown measures. Methods: This was a cross-sectional international survey constructed by two academic institutions NYIT (NY; USA); McGill University, (Montreal, Canada) and Adamas Esports (BC, Canada). The survey consisted of questions including demographics, multiple-choice, rating, and Likert scales relating to prior and during the COVID-19 lockdowns. Respondents included 897 replies from North America (72.7%), Europe (10.9%), Asia (4.9%) and other countries (11.5%) mean age 22 years. Results: Significant increases in game time were reported in casual and competitive gamers during the first months of the pandemic. Level of gaming, type of lockdown, and physical activity level prior to the pandemic were examined as potential moderating factors. Significant increases in sedentary behaviors (video game time and sitting time) were observed, while physical activity levels remained unchanged in most participants regardless of the type of lockdown. Sleep time, but not sleep quality, increased, while mental health exhibited opposing effects, influenced by the type of lockdown and gaming competition levels. Conclusions:Video games, when played moderately, could offer a cost-effective, safe strategy to promote socialization, mental health, and improve the overall well-being of the non-gaming and gaming population during pandemic times when strict lockdowns are in place.
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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».