A Population-Based Analysis of the Temporal Association of Screen Time and Aggressive Behaviors in Adolescents
Notice bibliographique
Résumé
Objective: The recent widespread diffusion of screen-based devices among adolescents has raised questions about the effects of screen time on adolescent behavior, including aggressive behaviors. However, previous studies have been methodologically limited in their ability to distinguish between common vulnerability, concurrency, and lasting associations between screen time and aggression among adolescents, and findings are still inconsistent. To address this gap in the literature, time-varying direct and indirect associations between screen time and aggression were investigated. Method: The sample included nearly 4,000 Canadian adolescents who participated in annual surveys for 5 consecutive years. Multilevel statistical models were applied to study between-person effects (common vulnerability), within-person effects (concurrency explaining a priming effect), and lagged-within-person effects (lasting effects explaining a learning process) of screen time (ie, social media use, television viewing, video game playing, computer use) on aggressive behaviors (ie, fighting, conduct problems, hostile thoughts). Screen time effects on aggression through hostility were further studied. Results: Short-lived concurrent relations between different forms of screen time and aggressive behaviors suggested a priming effect. Social media use was further associated with longer lasting increases in conduct problems, suggesting a social learning process, while television viewing showed significant negative lagged-within-person association with hostility, showing a protective effect. Hostile thoughts mediated screen time and aggression associations mainly at between-person levels. Conclusion: The results suggest that the nature of the relation between screen time and aggressive behaviors depends on the type of digital platform through which such content is presented and suggest the need for policies focusing on protecting young users of digital media. Clinical trial registration information: Does Delaying Adolescent Substance Use Lead to Improved Cognitive Function and Reduce Risk for Addiction?; https://www.clinicaltrials.gov/: NCT01655615.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,000 | 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 tête enseignante, 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 ».