Associations Between Screen Exposure, Home Media Environments, and Indicators of School Readiness in Toddlers and Preschoolers from Kakamega County, Kenya
Notice bibliographique
Résumé
Objective . Early childhood screen-time impacts school readiness, particularly in low- and middle-income countries. This study examined associations between screen-time and readiness for formal schooling among toddlers and preschoolers in Kakamega County, Kenya. Methods. A cross-sectional study of 144 children aged 2 to 5 years was conducted using the Denver II developmental screening and ECDI2030 to assess school readiness. Parent-reported questionnaires captured demographic data and screen media exposure. Results . Participants’ median age was 48 months (IQR = 20.75), with an average screen-time of 2.0 hours/day (IQR = 1.425), exceeding recommended guidelines of 1 hour. Children exceeding recommended screen-time had 52% lower odds of readiness, while parental supervision increased readiness odds by 68%. While parental age was associated with readiness, child sex, household income, and educational content showed no significant associations. Conclusion . Excessive screen-time may result in lower readiness, emphasizing risks in low-resource settings. Parental involvement and culturally tailored interventions are vital for early childhood development.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».