MétaCan
Menu
Retour à la cohorte
Enregistrement W4386744455 · doi:10.3390/bs13090763

Shyness and Socio-Emotional Adjustment among Young Chinese Children: The Moderating Role of Screen Time

2023· article· en· W4386744455 sur OpenAlexaff
Jingjing Zhu, Alicia McVarnock, Laura Polakova, Shuhui Xiang, Yan Li, Robert J. Coplan

Notice bibliographique

RevueBehavioral Sciences · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésShynessProsocial behaviorPsychologyDevelopmental psychologyScreen timeModerationSocial psychologyAnxietyPhysical activityMedicine

Résumé

récupéré en direct d'OpenAlex

The primary aim of the present study was to examine the potential moderating role of screen time in the links between shyness and indices of socio-emotional adjustment in young Chinese children. Participants were N = 211 children (112 boys, 99 girls) ages 43–66 months (M = 58.84 months, SD = 5.32) recruited from two public kindergartens in Shanghai, People’s Republic of China. Mothers completed assessments of children’s shyness and screen time, and both mothers and teachers completed measures of indices of children’s socio-emotional functioning (prosocial, internalizing problems, learning problems). Among the results, shyness was positively associated with internalizing problems and negatively associated with prosocial behavior, whereas screen time was positively associated with internalizing problems. However, several significant shyness × screen time interaction effects were observed. The pattern of these results consistently revealed that at higher levels of screen time, links between shyness and indices of socio-emotional difficulties were exacerbated. Results are discussed in terms of the implications of shyness and screen time in early childhood.

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)0,000
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 enseignants0,025
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,024
Tête enseignante GPT0,311
Écart entre enseignants0,288 · 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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBehavioral SciencesMême sujetChild Development and Digital TechnologyTravaux en français237 207