MétaCan
Menu
Retour à la cohorte
Enregistrement W4382048671 · doi:10.21203/rs.3.rs-3037157/v1

COVID-19 Distress, Parenting Stress, Maladaptive Parenting and Children’s Problematic Media Use in China: Evidence from 2022 Spring in Shanghai

2023· preprint· en· W4382048671 sur OpenAlexaff
Jingyao Wang, Shumin Wang, Bowen Xiao, Juan Li, Yuemin Feng, Yan Li

Notice bibliographique

RevueResearch Square · 2023
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPsychologyScreen timeDistressMental healthMediationCoronavirus disease 2019 (COVID-19)ChinaDevelopmental psychologyClinical psychologyMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract The COVID-19 lockdowns have forced young children to spend more time in front of the media and significantly impacted their mothers' mental health. This study explored how mothers' individual distress influences children's problematic media use during the Shanghai citywide lockdown caused by COVID-19. Data were collected from 1889 Chinese mothers (Mage= 34.69 years,SD = 3.94 years) with preschoolers aged 3–6 years (Mage= 4.38 years,SD = 1.06 years; 49.0% boys) via an online survey. The statistical analyses relied on SPSS Statistics version 26.0 and macro-program PROCESS 3.3. to investigate the associations and mediation analysis among all the study variables. The results indicated that: (1) significant associations between individual maternal distress with children's problematic media use; (2) maternal parenting stress and maladaptive parenting serial mediated the relationship between mothers' individual distress and children's problematic media use. The findings imply that parents need to enhance their ability to manage risk and promote mental health during periods of significant stress and routine disruption to reduce children's problematic media use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,208
Score d'incertitude au seuil0,414

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,145
Tête enseignante GPT0,402
Écart entre enseignants0,256 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetChild Development and Digital TechnologyTravaux en français237 207