Exploring the association between smartphone use and related mental well-being factors : perspectives from the highest level of football and futsal players in Finland
Notice bibliographique
Résumé
Nyky-yhteiskunnassa älypuhelinten käyttö on levinnyt laajalle, mukaan lukien niitä monissa käyttötarkoituksissa hyödyntävien urheilijoiden keskuuteen. Älypuhelinten käytön mahdolliset negatiiviset vaikutukset urheilijoiden mielenterveyteen sekä suoritukseen vaativat kuitenkin tutkimista. Täten, tämän tutkimuksen tavoitteena oli tutkia urheilijoiden omia näkemyksiä älypuhelinten käytöstä, kartoittaa ammatti- sekä harrastetason jalkapalloja futsalpelaajien keskuudessa mahdollisesti ilmenevää älypuhelinriippuvuutta sekä muita mahdollisia negatiivisia vaikutuksia, tarkastella älypuhelinten käyttöön harjoittelupäivinä liittyviä kaavoja sekä tunnistaa keskeisiä syitä älypuhelimen käytön jatkamiselle mahdollisten negatiivisten seurausten tiedostamisesta huolimatta korkean tason jalkapalloja futsalpelaajien keskuudessa. Tutkimuksessa sovellettiin kvantitatiivista tutkimusmenetelmää toteuttamalla verkkokysely, jonka avulla arvioitiin urheilijoiden havaintoja älypuhelimen käytöstä. Tutkimukseen osallistui Suomen kolmella korkeimmalla tasolla kilpailevia jalkapalloilijoita sekä futsalin korkeimmalla tasolla kilpailevia urheilijoita. Tutkimuksen otanta kattoi sekä mies- että naispuolisia pelaajia. Tutkimuksen tulokset viittaavat älypuhelinriippuvuuden sekä muiden älypuhelinten käytön negatiivisten vaikutusten läsnäoloon jalkapallo- sekä futsalpelaajien keskuudessa huolimatta heidän mahdollisesta ammattistatuksestaan tai tasosta, jolla he pelaavat. Tämän lisäksi tutkimus osoittaa iän olevan merkityksellinen tekijä älypuhelimen käytön lisääntymisessä, sillä jokaisen uuden ikävuoden myötä osallistujat raportoivat heidän aikeensa käyttää puhelintaan lisääntyvän keskimäärin 0.55 kertaisesti päivässä. Muilla tutkimuksessa huomioon otetuilla tekijöillä kuin vastaajan iällä ja omilla aikeilla ei löydetty olevan huomattavaa merkitystä (β = 0.55, p < .001). Tutkimuksen tulokset korostavat ikäerojen huomioimisen tärkeyttä suunniteltaessa älypuhelinten terveelliseen käyttöön liittyviä väliintuloja urheilijoille, ja tutkimuksen löydökset tulisi ottaa huomioon kyseisten väliintulojen kehittämisessä.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».