MétaCan
Menu
Retour à la cohorte
Enregistrement W4410905838 · doi:10.3389/fpsyg.2025.1537115

Mini marvels: superhero engagement across early childhood

2025· article· en· W4410905838 sur OpenAlexaff
Sarah M. Coyne, Sarah Ashby, Rachel J. Munk, Hailey G. Holmgren, Jane Shawcroft, Rebecca L. Densley, Kennedy Banks, Megan Van Alfen

Notice bibliographique

RevueFrontiers in Psychology · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPsychologyDevelopmental psychologyCognitive psychology

Résumé

récupéré en direct d'OpenAlex

Introduction: Superhero engagement is common in early childhood, particularly among boys, and tends to be related to negative outcomes, such as aggression. However, most research lumps all types of superhero engagement together and is conducted over a relatively short space of time. The current study is a five-year longitudinal study of four different types of superhero engagement (identification, toys, dress up, and media). Method: age = 29.17 months at Wave 1) and their primary caregivers who were asked questions about superhero engagement and social behavior once a year for 5 years. Results: Overall, superhero engagement was relatively high in early childhood and showed distinct trajectories depending on the type of engagement, with the most rapid growth occurring in superhero media. Boys and those who viewed high levels of television were more likely to have higher levels of superhero engagement. Additionally, early high identification with superheroes and playing with superhero toys and moderate but increasing superhero media predicted higher levels of aggression and aggressive defending over time. Dressing up as superheroes was related to very few outcomes during early childhood. Discussion: Overall, this study has implications for parents, educators, and creators of superhero media and merchandise.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,013
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,341
Écart entre enseignants0,321 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PsychologyMême sujetChild Development and Digital TechnologyTravaux en français237 207