HUBUNGAN MOVEMENT BEHAVIOR DENGAN DURASI SCREEN TIME PADA SISWA/I SMP TARAKANITA CITRA RAYA SELAMA MASA PANDEMI TAHUN 2021
Notice bibliographique
Résumé
The use of gadgets or screen time without paying attention to posture, screen brightness, and screen distance for a long time can affect vision and health. To reduce the spread of COVID-19, the Indonesian government has issued several social restrictions policies. As of September 5, 2021, Indonesians are advised to stay at home, the government has implemented school closures, and several sectors of the workplace are closed. These social restrictions result in children and families becoming increasingly dependent on screens for online learning, entertainment, and social interaction and have the potential to create barriers for society to comply with movement behavior recommendations. This cross sectional study aims to determine the relationship between physical activity, sleep duration, sedentary behavior, and movement behavior with the intensity of gadget use among students at Tarakanita Middle School during the 2021 pandemi. The sample size of this study was 239 students. The research method is filling out a questionnaire regarding movement behavior in accordance with the Canadian 24-h Movement Guidelines for Children and Youth (5-17 years) and a questionnaire on the intensity of the use of gadgets. Data were analyzed using chi-square analysis. The results of this study are that there is no relationship between physical activity and the intensity of smartphone use (p = 0.086), there is no relationship between sleep duration and the intensity of smartphone use (p = 0.810), there is a significant relationship between sedentary behavior and the intensity of smartphone use (p = 0.810). 0.000), and there is no relationship between movement behavior and the intensity of gadget use (p = 0.230). Parents, schools, and students are expected to pay more attention to the condition of sedentary behavior during the COVID-19 pandemi so as not to cause health problems in the future.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».