Comportements associés au temps passé devant un écran : les enfants canadiens passent-ils leur temps vautrés sur un divan?
Bibliographic record
Abstract
<sec> <title>Objectif</title> Déterminer le pourcentage de jeunes Canadiens qui respectent les recommandations en matière de temps passé devant un écran et caractériser les différents comportements associés au temps passé devant un écran. </sec> <sec> <title>Méthodologie</title> Au moyen des données représentatives à l’échelle nationale recueillies dans le cadre de l’Enquête sur le tabagisme chez les jeunes (ETJ) de 2008-2009, nous avons analysé trois comportements associés au temps passé devant un écran en lien avec le tabagisme, l’allocation hebdomadaire, l’estime de soi, la région, le niveau scolaire et le sexe. Nous avons créé quatre modèles de régression logistique pour examiner les facteurs associés au fait de consacrer plus de 2 heures par jour à une activité sédentaire devant un écran. </sec> <sec> <title>Résultats</title> Sur les 51 922 jeunes Canadiens de la 6e à la 12e année, 50,9 % passaient plus de 2 heures par jour devant un écran. Le temps moyen passé chaque jour devant un écran était de 7,8 (± 2,3) heures. Les garçons et les fumeurs étaient plus nombreux à déclarer passer plus de 2 heures par jour à regarder la télévision et des vidéos ou à jouer à des jeux vidéo, tandis que les élèves de niveau scolaire plus élevé et ceux qui recevaient une allocation hebdomadaire étaient plus nombreux à déclarer jouer à des jeux sur un ordinateur ou naviguer sur Internet. Les jeunes qui avaient une plus grande estime de soi étaient moins nombreux à déclarer consacrer plus de 2 heures par jour aux trois comportements associés au temps passé devant un écran faisant l’objet de l’étude. </sec> <sec> <title>Conclusion</title> Mieux comprendre les facteurs associés à un plus grand nombre d’heures passées devant un écran va permettre de cibler les interventions contribuant à diminuer le temps passé devant un écran. </sec>
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".