MétaCan
Menu
Retour à la cohorte
Enregistrement W4403003682 · doi:10.1145/3679318.3685382

Exploring A Design Space for Digital Interventions Facilitating Early Adolescents’ Tech Disengagement: A Parent-Child Perspective

2024· article· en· W4403003682 sur OpenAlexaff
Ananta Chowdhury, Andrea Bunt

Notice bibliographique

RevueNordic Conference on Human-Computer Interaction · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)Disengagement theoryPsychological interventionSpace (punctuation)Participatory designPsychologyDevelopmental psychologyComputer scienceEngineeringMedicineGerontology

Résumé

récupéré en direct d'OpenAlex

Children's excessive technology use remains a significant challenge for parents, especially with early adolescents, given their growing independence and resistance towards parent-set device restrictions. Despite numerous parental control tools, there is limited research on tailored solutions for this age group. This paper advances this design problem by introducing and studying a child-centric design space for digital interventions targeting early adolescents’ technology overuse. Synthesizing literature on mediation strategies, early adolescents’ perspectives, and self-regulation, we first identify four pertinent design dimensions (early adolescents’ agency, supportive parental engagement, mentorship style, and motivation). Using these dimensions, we then create three contrastive design concepts as video prototypes. Utilizing the prototypes in an online study with 13 early adolescents (ages 11-14) and their parents, we provide insights into how both groups conceptualize effective digital interventions. Our findings highlight areas of consensus (e.g., granting early adolescents’ agency) as well as considerable variability (e.g., differing preferred mentorship approaches).

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)0,007
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,003
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,385
Tête enseignante GPT0,416
Écart entre enseignants0,031 · 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'étudeQualitatif
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNordic Conference on Human-Computer InteractionMême sujetChild Development and Digital TechnologyTravaux en français237 207