The direct and indirect effect of time use on subjective well-being: gender differences at different life stages
Notice bibliographique
Résumé
Time is heterogeneously perceived in its meaning and value depending on things and beings involved. How people allocate their 24 hours per day reflects personal needs and is a fundamental question in activity-based travel demand analysis. This study aims to explore the inherent heterogeneity of time by investigating different time use patterns among population subgroups, and how time allocation contributes to subjective well-being (SWB) across these groups. To achieve this, the study uses data from the 2015 Canadian General Social Survey (GSG) on Time Use and stratifies the sample based on gender and age to reveal differences in time use and SWB between males and females within each age group, with parenthood further amplifying the differences. Then, the study employs multi-group structural equation models (SEM) to examine the direct and indirect effects of time use on SWB, while accounting for variations between genders and age groups. The analysis identifies seven notable activity types, including non-discretionary and leisure categories, which directly impact SWB or indirectly influence it through mediation by four factors: time crunch, stress, health, and mental health. The mediation analysis explains the mechanisms by which time use on different activities affects SWB. The results shed light on critical gender differences at different life stages regarding the role of time use for different aspects of well-being. The heterogenous time use-SWB connections provide valuable insights into comprehending diverse decisions made in activity-based travel demand.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».