Changes in Screen Time Behaviors from Before (2019) to After (2022) the COVID-19 Pandemic Among Brazilian Adolescents
Notice bibliographique
Résumé
OBJECTIVE: Compare prepandemic (2019) and postpandemic (2022) engagement in five screen-based activities (studying, working, watching videos, playing video games, and using social media/chat applications) among independent samples of Brazilian adolescents using a repeated cross-sectional design; and 2) Examine within-individual changes in these same screen-based activities over the same period using a repeated cross-sectional study with a nested cohort. METHODS: Data were collected in 2019 and 2022, involving a total of 2008 adolescents who participated in the repeated cross-sectional study, with 333 forming a nested cohort sample. Zero-inflated multilevel gamma regression models and multilevel linear models were used to analyze the data. RESULTS: In the repeated cross-sectional analysis, adolescents spent more minutes per day in 2022 versus 2019 for studying (+21.3 minutes; 95% CI: 11.0, 31.6), watching videos (+12.8 minutes; 95% CI: 1.1, 24.5), and playing video games (+22.9 minutes; 95% CI: 12.8, 33.1). The longitudinal analysis revealed significant average daily increases from 2019 to 2022 in studying (+53.8 minutes; 95% CI: 34.7, 72.9) and working (+130.2 minutes; 95% CI: 110.4, 149.9). For these same adolescents, significant decreases were observed for watching videos (-26.4 minutes; 95% CI: -48.0, -4.9) and playing video games (-28.6 minutes; 95% CI: -46.2, -11.8). Social media use remained stable. CONCLUSIONS: Screen time (ST) among Brazilian adolescents was higher in 2022 compared to 2019, with increases in studying, working, watching videos, and playing video games. Longitudinal data indicated a shift from recreational ST to educational and work-related ST. These findings highlight the need for targeted interventions to promote balanced ST and mitigate potential negative health impacts.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».