論文の概要: Screen Matters: Cognitive and Behavioral Divergence Between Smartphone-Native and Computer-Native Youth
- arxiv url: http://arxiv.org/abs/2508.03705v1
- Date: Sun, 20 Jul 2025 20:04:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-10 09:30:49.332646
- Title: Screen Matters: Cognitive and Behavioral Divergence Between Smartphone-Native and Computer-Native Youth
- Title（参考訳）: スクリーン・マター: スマートフォンとコンピュータを対象とする若者の認知的・行動的多様性
- Authors: Kanan Eldarov,
- Abstract要約: 対象は,11～17歳の学生824名であった。
その結果, 持続的注意, フラストレーション, 創造的アウトプットにおける中等度ではあるが統計的に有意な差異が示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: This study explores how different modes of digital interaction -- namely, computers versus smartphones -- affect attention, frustration, and creative performance in adolescents. Using a combination of digital task logs, webcam-based gaze estimation, and expert evaluation of task outcomes, we analyzed data from a diverse sample of 824 students aged 11-17. Participants were assigned to device groups in a randomized and stratified design to control for age, gender, and prior experience. Results suggest moderate but statistically significant differences in sustained attention, perceived frustration, and creative output. These findings indicate that the nature of digital interaction -- beyond mere screen time -- may influence cognitive and behavioral outcomes relevant to educational design. Practical implications for user interface development and learning environments are discussed.
- Abstract（参考訳）: この研究は、若者の注意、フラストレーション、創造的パフォーマンスに、デジタルインタラクションのさまざまなモード、すなわちコンピュータ対スマートフォンがどう影響するかを調査する。
デジタルタスクログ,ウェブカメラによる視線推定,タスク結果の専門的評価の組み合わせを用いて,11～17歳の824名の学生の多様なサンプルから得られたデータを分析した。
参加者は、年齢、性別、先行経験を制御するためにランダムで階層化された設計のデバイスグループに割り当てられた。
その結果, 持続的注意, フラストレーション, 創造的アウトプットにおける中等度ではあるが統計的に有意な差異が示唆された。
これらの結果は、デジタルインタラクションの性質が、単なるスクリーンタイムを超えて、教育設計に関連する認知的および行動的結果に影響を与える可能性を示唆している。
ユーザインタフェース開発と学習環境の実践的意義について論じる。
関連論文リスト
- Faces of the Mind: Unveiling Mental Health States Through Facial Expressions in 11,427 Adolescents [6.403533696512409]
うつ病や不安などの気分障害は、しばしば表情を通して現れる。
これらの障害を評価するために設計された既存の機械学習アルゴリズムは、小さなデータセットと限られた現実の応用によって妨げられている。
論文 参考訳（メタデータ） (2024-05-30T14:02:40Z) - Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。
我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
論文 参考訳（メタデータ） (2024-05-15T20:41:46Z) - From Learning Management System to Affective Tutoring system: a
preliminary study [0.0]
我々は,第3次eラーニングマネジメントシステム(LMS)から抽出したデジタルトレースと,学生のWebカメラで捉えた画像の2つの主要な情報源から得られたデータを分析した。
その結果,肯定的感情状態と学業成績の相関が認められた。
論文 参考訳（メタデータ） (2023-11-09T16:52:44Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - Inferring User Facial Affect in Work-like Settings [5.630425653717262]
難易度が異なる複数の作業のようなタスクにユーザが関わったとき, ユーザの顔への影響を推測することを目的としている。
まず、異なる条件で研究を設計し、12人の被験者のマルチモーダルデータを収集する。
次に、さまざまな機械学習モデルを用いていくつかの実験を行い、顔の表示と予測が、非作業状態から作業環境まで様々であることを示した。
論文 参考訳（メタデータ） (2021-11-22T01:23:46Z) - Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units
and a Unified Framework [83.21732533130846]
Aff-Wild と Aff-Wild2 の2つである。
これは、これらのデータベースで訓練された深層ニューラルネットワークの2つのクラスの設計を示す。
インパクト認識を共同で学び、効果的に一般化し、実行することができる新しいマルチタスクおよび全体主義のフレームワークが提示されます。
論文 参考訳（メタデータ） (2021-03-29T17:36:20Z) - Understanding health and behavioral trends of successful students
through machine learning models [11.615686353864374]
本研究は、学期を通じて異なる期間の大学生の身体、精神、ライフスタイル、性格要因のパターンを分析した。
分析データはスマートフォンとFitbitで収集された。
論文 参考訳（メタデータ） (2021-01-23T17:18:17Z) - A robot that counts like a child: a developmental model of counting and
pointing [69.26619423111092]
実物を数えることができる新しい神経ロボティクスモデルを導入する。
このモデルにより,エンボディメントと数値認識の相互作用を調べることができる。
トレーニングされたモデルは、アイテムのセットをカウントすることができ、同時にそれらを指し示します。
論文 参考訳（メタデータ） (2020-08-05T21:06:27Z) - Student Engagement Detection Using Emotion Analysis, Eye Tracking and
Head Movement with Machine Learning [0.0]
学生のエンゲージメントレベルを検出するシステムを提案する。
ノートパソコンに内蔵されている一般的なウェブカメラが提供する情報のみを使用する。
論文 参考訳（メタデータ） (2019-09-18T15:46:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。