Longitudinal associations between gaming and academic motivation during middle childhood
Notice bibliographique
Résumé
Abstract Background Child video game playing (“gaming”) may lead to decreased child academic motivation. Conversely, children with low academic motivation may seek fulfillment through gaming. We examined bidirectional associations between child gaming and academic motivation across middle childhood. Methods Our analyses are based on 1,631 children (boys = 785) followed in the context of the Quebec Longitudinal Study of Child Development. Data on gaming and academic motivation were collected repeatedly at ages 7, 8, and 10. Measures of child gaming were parent-reported and reflect daily video game playing time. Measures of academic motivation were child self-reported and reflect enjoyment in learning mathematics, reading, and writing. To disentangle the directionality of associations, we estimated a random-intercept cross-lagged panel model to estimate bidirectional, within-person associations between gaming and academic motivation in a cohort of school-aged Canadian children. Results Our results revealed unidirectional associations whereby more frequent gaming by boys at age 7 years predicted lower academic motivation at age 8 years ( β = −.11, 95% confidence interval [CI]: −.22 to −.01), and similarly, gaming by boys at age 8 years predicted lower academic motivation at age 10 years ( β = −.10, 95% CI: −.19 to −.01). Changes in boys’ academic motivation did not contribute to subsequent changes in gaming. There were no associations between gaming and academic motivation for girls. Conclusions More time devoted to gaming among school-aged boys is associated with reduced academic motivation during a critical developmental period for the development of academic skills. Fostering healthy gaming habits may help promote academic motivation and success.
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 | 0,004 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».