The Landscape of Digital Tech Disengagement Solutions for Early Adolescents: Insights from a Systematic Scoping Review and App Analysis
Notice bibliographique
Résumé
The widespread use of digital devices among children and teenagers has raised concerns about overuse, particularly for early adolescents, who have unique developmental needs and engage with technology more frequently than other age groups. A challenge for designers and researchers interested in contributing solutions is a lack of synthesized design guidelines and characterization of the current state-of-the-art. In this paper, we present a systematic scoping review of academic literature and an analysis of 47 apps, providing a comprehensive characterization of existing tech-mediated solutions for early adolescents. Our review covers literature from two major databases (ACM DL and IEEE Xplore) spanning the past 10 years (2014-May 2024), following the scope of prior similar reviews. The app analysis includes Google Play and Apple App Store apps with features targeting tech overuse, excluding general-purpose apps (e.g., social media, games) and apps without a free trial version. Our findings highlight researchers' design recommendations for promoting tech disengagement in this demographic (e.g., supporting collaborative rule-setting and self-monitoring, maintaining privacy, addressing diverse user needs), while revealing that existing apps tend to prioritize restrictive measures, overlooking self-regulation and active parental engagement. Our findings also identify areas of agreement and potential misalignments between current digital interventions and prior research on target users' preferences.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 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 ».