Exploring the association between smartphone use and related mental well-being factors : perspectives from the highest level of football and futsal players in Finland
Bibliographic record
Abstract
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.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| 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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".