Digital Location Tracking of Children and Adolescents: A Theoretical Framework and Review
Notice bibliographique
Résumé
Many parents in the U.S. have begun using GPS-based digital location tracking (DLT) technologies (smartphones, tags, wearables) to track the whereabouts of children and adolescents. This paper lays the foundation for an emerging science of DLT by performing the first theoretical analysis and review of empirical literature on DLT. First, we develop a framework to clarify how DLT should be conceptualized and measured, how it compares to historical strategies for monitoring youths' location, and the mechanisms by which it might affect youth adjustment. Second, we review what is known about DLT today, finding that (1) DLT use is now common from childhood to emerging adulthood, with 33-69% of U.S. families using it; (2) there are sociodemographic differences in DLT use; (3) DLT use has significant cross-sectional associations with other parenting behaviors, with family functioning, and with youth adjustment; and (4) there is much speculation, but minimal data, about the new ethical and developmental issues that might arise from DLT use (e.g., privacy invasions). Third, we critique the existing evidence base to outline priorities for future research, emphasizing the need for longitudinal data, better measurement, and moving beyond convenience samples. We conclude that DLT is a new, common, and vastly understudied parenting behavior of clinical and developmental relevance.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».