Associations between media parenting practices and early adolescent screen use
Notice bibliographique
Résumé
BACKGROUND: To assess the prevalence of various media parenting practices and identify their associations with early adolescent screen time and problematic social media, video game, and mobile phone use. METHODS: Cross-sectional data from Year 3 of the Adolescent Brain Cognitive Development (ABCD) Study (2019-2022) that included 10,048 adolescents (12-13 years, 48.3% female, 45.6% racial/ethnic minorities) in the US were analyzed using multiple linear regression analyses adjusting for potential confounders. RESULTS: Parent screen use, family mealtime screen use, and bedroom screen use were associated with greater adolescent screen time and problematic social media, video game, and mobile phone use. Parental use of screens to control behavior (e.g., as a reward or punishment) was associated with higher screen time and greater problematic video game use. Parental monitoring of screens was associated with lower screen time and less problematic social media and mobile phone use. Parental limit setting of screens was associated with lower screen time and less problematic social media, video game, and mobile phone use. DISCUSSION: Parent screen use, mealtime screen use, and bedroom screen use were associated with higher adolescent problematic screen use and could be limited in a family media use plan. Parental monitoring and limiting of screen time are associated with less problematic screen use. IMPACT STATEMENT: Although the American Academy of Pediatrics provides guidance for screen use for children 5-18 years, there is a paucity of evidence-based guidance for media parenting practices, specifically for early adolescents. In a diverse sample of 10,048 early adolescents across the US, we found cross-sectional associations between parent, mealtime, and bedroom screen use and higher adolescent problematic screen use. Parental monitoring and limiting of adolescent screen time were cross-sectionally associated with less problematic screen use in our analytic sample and may be incorporated into a family media use plan.
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 | 0,005 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».