Impact of COVID-19 on helpline calls for activities related to technology overuse in Ontario, Canada
Notice bibliographique
Résumé
Background: Video gaming revenues have increased dramatically during the COVID-19 pandemic. Trending social games and hyper-casual games are attracting new audiences that require further study. While engaging in video games and Internet-related behaviors inherently may help promote social connection and alleviate stress during the pandemic, a small proportion of individuals develop problematic habits that interfere with daily functioning. Therefore, the aim of this study is to examine the impact of COVID-19 lockdowns on the number of helpline calls for gaming disorder and problematic Internet use in the province of Ontario, Canada. Methods: Helpline calls were collected from a provincial mental health & addiction treatment service hotline from January 2019 to December 2021. This free and confidential service is for people who experience problems with alcohol, drugs, mental illness, and behavioral disorders. Growth modeling will be employed to examine the links between the number of calls received, the number of COVID-19 cases reported province-wide and the accumulated lockdown days across the different months. Results: The associations between the linear, quadratic and cubic growth/change curve factors of the number of calls received in relation to the progress of the pandemic will be reported for time variant, time-invariant and parallel growth moderators. Conclusions: Helpline calls are expected to increase during lockdowns and decrease when restrictions are lifted. This study serves to inform preventive measures that should be considered with the implementation of lockdown during a pandemic to prevent problematic forms of gaming or Internet use.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».