Variables asociadas al uso de pantallas al término de la
primera infancia
Variables associated with the use of screens at the end of
early childhood
Dña. Carla
Ortiz-de-Villate. Contratada Predoctoral FPU. Universidad
de Sevilla. España
Dr. Javier
Gil-Flores. Catedrático de Universidad. Universidad
de Sevilla. España
Dr. Javier
Rodríguez-Santero. Catedrático de Universidad. Universidad
de Sevilla. España
Recibido:
2022/09/29; Revisado: 2022/10/01; Aceptado: 2022/11/24; Preprint: 2022/12/09; Publicado: 2023/01/07
Cómo citar este artículo:
Ortíz-de-Villate, C., Gil-Flores, J., & Rodríguez-Santero,
J. (2022). Variables asociadas al uso de pantallas al término de la primera
infancia [Variables associated with
the use of screens at the end of early
childhood]. Pixel-Bit.
Revista de Medios y Educación, 66, 113-136. https://doi.org/10.12795/pixelbit.96225
RESUMEN
El actual desarrollo de las
TIC ha generalizado el uso de pantallas. Los riesgos de un tiempo excesivo de
exposición a pantallas son especialmente relevantes para los niños, desde
edades tempranas. Este trabajo analiza la relación entre tiempo de pantallas y
otras variables personales y contextuales en la infancia. Participan 94092
niños de aproximadamente 8 años, escolarizados en centros educativos de
Andalucía (España). Los datos fueron generados en una evaluación a gran escala
promovida por la Administración educativa regional, que supuso la aplicación de
pruebas para medir aprendizajes y de cuestionarios de contexto familiar. Los
análisis se basan en las pruebas t y chi-cuadrado, para comprobar las
diferencias entre los grupos, y en la construcción de un modelo de regresión
logística binaria para valorar el peso de las variables en la explicación del
tiempo de pantallas. Los resultados indican que un elevado tiempo de pantallas
se asocia a menor rendimiento en comunicación lingüística y razonamiento
matemático. El género, la hora de acostarse y el nivel socioeconómico familiar
son variables que contribuyen a explicar el tiempo de pantallas. A partir de
estos resultados se formulan recomendaciones de cara a la intervención
preventiva por parte de las familias y otros agentes educativos.
ABSTRACT
Current ICT development has
generalized the use of digital screens. The risks caused by high exposure time
to screens are especially relevant to children, from early ages. This work
analyzes the relation between screen time and personal and contextual variables
during childhood. About 94092 children around 8 years old attending schools in
Andalusia (Spain) take part. The data were generated through a large scale evaluation promoted by the regional educational
administration, originating applied tests to measure school learning, and
family context questionnaires. The analyzes are based on the t-Student and
Chi-square tests to verify the differences between the groups, and on the
construction of a binary logistic regression model to assess the importance of
rate variables in explaining screen time. The results show that a high screen
time is associated with a lower performance in linguistic communication and
mathematical reasoning. Gender, bedtime and the
family’s socioeconomic level are variables that contribute to explaining a high
amount of screen time. These results bring about recommendations regarding the
preventive intervention of families and other educational agents.
PALABRAS CLAVES · KEYWORDS
Tiempo de pantallas, primera infancia, familia, rendimiento
escolar, ambiente educacional.
Screen time, early childhood, family, academic
achievement, educational environment.
1. Introducción
En la actual era tecnológica,
las Tecnologías de la Información y la Comunicación (TIC) condicionan el desarrollo
de la sociedad, constituyendo un elemento esencial en la vida de las personas y
en muy diversas áreas de la actividad humana. Puede afirmarse que las
actuaciones o comportamientos de los diferentes colectivos se ven afectados por
el impacto de las herramientas tecnológicas, y los más jóvenes no constituyen
una excepción (Przybylski, 2019).
En los últimos años, niños y
adolescentes han crecido en contacto con las TIC, generalizando el uso de estas
herramientas con fines recreativos, sociales o académicos. En lo que respecta
al uso hedonista o de entretenimiento, la televisión ha venido siendo desde
hace décadas el medio de comunicación más popular y de mayor uso en los países
desarrollados. Con una presencia creciente en los últimos años, a la televisión
se ha venido a sumar el uso del teléfono móvil, el ordenador o la tableta
digital, siendo estos los dispositivos de uso preferente. Al margen del tipo de
medio utilizado, los jóvenes han incrementado los tiempos de pantallas y
tienden a ser más sedentarios (Chau et al., 2022). Rideout y Robb (2019)
informan que los niños estadounidenses dedican alrededor de 5 horas al día en
pantallas digitales, que ya excede las dos horas máximas recomendadas para el
uso recreativo en edades comprendidas entre los 5 y 17 años (Tremblay et al.,
2016). Es cierto que no todas las actividades que implican el uso de pantallas
tienen efectos negativos. Sin embargo, por la frecuencia de utilización y por
la etapa evolutiva en la que se encuentran, los jóvenes pueden llegar a conformar
uno de los colectivos sociales más vulnerables ante la influencia de las
tecnologías (Odgers & Jensen, 2020). Además, se agrega a los momentos de
ocio la necesidad de emplear las herramientas tecnológicas en la vida académica
para buscar información, realizar tareas o participar en trabajos colaborativos
en línea, implicando un mayor tiempo en el uso de pantallas (Uerz et al.,
2018). En momentos de especial complejidad, como los que se han vivido
recientemente por razones sanitarias, las TIC han sido cruciales para el
desarrollo de una enseñanza telemática. Sin embargo, este panorama ha
preocupado ampliamente por las posibles consecuencias en la salud física,
mental y desarrollo cognitivo de los jóvenes (Tripathi & Mishra, 2020).
De acuerdo con esta realidad,
la literatura científica ha reflejado una creciente presencia de trabajos sobre
la variable tiempo de pantallas. Generalmente, esta variable se ha
operativizado a partir del número de horas dedicadas diariamente a
comportamientos basados en pantallas o al uso de diferentes medios
audiovisuales (Tremblay et al., 2017), aunque el tipo de dispositivos ha
variado de unos estudios a otros. Ge et al. (2020) miden el tiempo diario
usando ordenador, teléfono móvil y tableta digital. Marciano y Camerini (2021)
tienen en cuenta estos mismos medios, incluyendo además la televisión. También
Dubuc et al. (2020) tomaron las horas que los usuarios pasan al día ante
pantallas digitales, al margen del trabajo o las tareas escolares, cualquiera
que sea el medio audiovisual utilizado.
En el presente trabajo se
focaliza la atención sobre el uso de tecnologías al margen del contexto
escolar, formando parte de las actividades de ocio desarrolladas en el tiempo
libre. Bajo esta perspectiva, el número de horas que dedican los niños al uso
de pantallas y los contenidos a los que se exponen se ha asociado con problemas
de salud como la baja actividad física, la obesidad y el sobrepeso (O’brien et
al., 2018; Stiglic & Viner, 2019) y con patrones perjudiciales de alimentación
en niños y adolescentes (Delfino et al., 2018). Otros estudios muestran que la
sobreexposición a pantallas en largos periodos de tiempo se asocia con la
aparición de problemas psicológicos, tales como la depresión o la ansiedad,
menor capacidad para el autocontrol (Twenge & Campbell, 2018; Wang et al.,
2021) o problemas de sueño (Baiden et al., 2019). El estudio a escala nacional,
realizado por Przybylski (2019) en Estados Unidos, revela que el incremento de
horas dedicadas al uso de pantallas correlaciona negativamente con la
consistencia y la duración del sueño, especialmente si este tiempo en los
dispositivos es empleado para navegar por internet o las redes sociales. Este
hallazgo es relevante, dado que los adolescentes con falta de sueño o sueño de baja
calidad corren un riesgo considerable de sufrir consecuencias adversas
relacionadas con el estado de ánimo o con problemas de atención y memoria,
afectando a su calidad de vida y rendimiento escolar (Zhang & Wu, 2020).
Otros estudios más próximos a
este trabajo se han centrado en examinar la asociación entre el tiempo de
pantallas y los indicadores relacionados con la cognición, el desarrollo
ejecutivo y los resultados académicos en niños y adolescentes (Liu et al.,
2020; Martín-Perpiñá et al., 2019). Los resultados sugieren que un elevado
tiempo de exposición a pantallas como la televisión, el teléfono móvil u
ordenador está relacionado con bajos niveles de aprendizaje (Amez & Baert,
2020; Poulain et al., 2018; Sharif & Sargent, 2006), menor atención y mayores
dificultades en la lectoescritura o en la resolución de problemas matemáticos
(Faught et al., 2017; Zapata-Lamana et al., 2021), principalmente en contextos
socioeconómicos de nivel bajo (Oswald et al., 2020). En otras palabras, podría
estar dándose lo que Anderson et al. (2001) llamaron hipótesis del
desplazamiento, según la cual el tiempo dedicado a las pantallas relega los
momentos de aprendizaje u otras actividades de carácter educativo que están
asociadas positivamente con el rendimiento (Saunders et al., 2022).
Aunque la literatura previa ha
informado de asociaciones entre el tiempo de pantallas y las habilidades
cognitivas basadas en el rendimiento, no existe una opinión clara al respecto
(Orben & Przybylski, 2019). Dubuc et al. (2020) hallaron asociaciones
significativas entre el tiempo de pantallas y un menor rendimiento académico.
Los trabajos de revisión de Adelantado-Renau et al. (2019) y Liu et al. (2022)
informaron que los jóvenes que dedican más tiempo a ver la televisión, jugar a
videojuegos u otros medios de pantallas obtienen peores resultados. Stiglic y
Viner (2019) encontraron asociaciones, de intensidad baja a moderada, entre el
tiempo de pantallas y el desarrollo cognitivo de los niños en edades
prescolares. En cambio, otros trabajos han informado de asociaciones positivas,
nulas o inconsistentes entre el tiempo de pantallas y los resultados académicos
(Carson et al., 2016; Hu et al., 2020; Sanders et al., 2019) que cuestionan el
significado práctico de las recomendaciones formuladas para el tiempo de uso de
dispositivos tecnológicos en los jóvenes (Odgers & Jensen, 2020). Además,
estas relaciones podrían estar influenciadas por el valor educativo de los
contenidos, el medio utilizado, el género, la edad, el estilo de crianza, la
fijación de límites en la exposición a los medios tecnológicos y el autocontrol
de los jóvenes (Lauricella et al., 2015; Schulz van Endert, 2021).
La ausencia, en el contexto
español, de estudios a gran escala sobre el tiempo de pantallas en la población
infantil ha llevado a plantear el presente trabajo. En primer lugar, se
pretende valorar la incidencia del tiempo extraescolar dedicado al uso de
pantallas (televisión, videojuegos, juegos de ordenador, teléfono móvil) sobre
los aprendizajes escolares logrados por niños de ocho años, edad en la que la
UNESCO sitúa la finalización de la primera infancia. Un segundo objetivo es
determinar la importancia de las variables personales y contextuales en la
explicación del tiempo que los niños dedican al uso de pantallas fuera del
colegio. En este sentido, se han considerado el género, los hábitos horarios,
la participación en actividades extraescolares, la implicación de los padres en
el aprendizaje escolar de los hijos y el nivel socioeconómico y cultural de las
familias. Identificar el peso de estas variables en la explicación del tiempo
de pantallas supone un punto de partida para fundamentar recomendaciones
dirigidas a diferentes agentes educativos, con la finalidad de prevenir en la
infancia la sobreutilización de pantallas en horario extraescolar. De acuerdo
con la literatura presentada en párrafos anteriores, reducir el tiempo de
pantallas supondría beneficios en términos no solo de aprendizajes escolares,
sino también de salud y bienestar.
2. Metodología
El trabajo realizado
constituye un análisis secundario a partir de datos obtenidos en la prueba de
evaluación de Escritura, Cálculo y Lectura en Andalucía (ESCALA),
correspondientes a la última aplicación realizada de esta prueba en esta Comunidad
Autónoma. El diseño adoptado es de carácter ex-post-facto, con un enfoque
descriptivo, correlacional y predictivo. La evaluación ESCALA es promovida por
la Agencia Andaluza de Evaluación Educativa (AGAEVE), organismo dependiente de
la Consejería de Educación de la Junta de Andalucía (España). Tiene por objeto
comprobar el nivel de rendimiento alcanzado en comunicación lingüística y
razonamiento matemático, así como el estudio de la relación de dichos niveles
con factores personales y familiares recogidos mediante cuestionarios de
contexto cumplimentados por las familias. Las pruebas de rendimiento y
cuestionarios de contexto que fueron empleados para el curso 2016-17 (AGAEVE,
2017), últimos datos disponibles según el acuerdo previo firmado con la AGAEVE.
2.1 Participantes
Desde su primera edición en el
curso 2010-2011, la evaluación ESCALA se ha venido realizando anualmente, con
carácter censal, a todo el alumnado que se encuentra cursando el segundo año de
Educación Primaria en centros educativos andaluces. En la edición
correspondiente al curso 2016-17, han participado un total de 94092 alumnos de
segundo curso de Educación Primaria, matriculados en 2525 centros que imparten
ese nivel educativo. El 51.8% son niños y el 48.2% restante niñas. El 94.5% de
los participantes había nacido en 2009, contando con una edad en torno a los
ocho años en el momento de la evaluación, en mayo de 2017. Además, se ha
dispuesto de la información que aportan las familias de ese alumnado, las
cuales respondieron al cuestionario sobre sus características personales y
contextuales.
2.2 Variables
La aplicación de pruebas de
rendimiento y cuestionarios de contexto en la evaluación ESCALA dio lugar a una
base de datos a partir de la cual se han obtenido las variables relevantes para
este trabajo. Además de la variable género, se han tenido en cuenta las
siguientes:
·
Tiempo de pantallas. Obtenido
a partir de dos preguntas formuladas a las familias para que indicaran el
tiempo dedicado diariamente por su hijo, fuera del colegio, a ver televisión o
vídeos y a utilizar ordenador, videojuegos o teléfono móvil con finalidad
recreativa. Las respuestas se expresaban en una escala con cuatro grados (nada
de tiempo, hasta 1 hora, de 1 a 2 horas, más de 2 horas). La combinación de las
respuestas a ambas preguntas ha permitido construir un índice de tiempo de
pantallas, con tres niveles. El nivel bajo se corresponde con un máximo de una
hora diaria de tiempo de pantallas, mientras que el nivel alto se atribuye a
quienes dedican más de tres horas en total y a quienes sobrepasan las dos horas
de televisión o las dos horas de juegos en pantallas. El alumnado que se
encuentra comprendido entre ambos límites quedó caracterizado por un nivel
medio. La construcción del índice se ha realizado con la intención de poder
diferenciar grupos en los que pueda establecerse una diferencia de tiempo
apreciable, al menos entre los dos grupos extremos.
·
Rendimiento en comunicación
lingüística y rendimiento en razonamiento matemático. Ambas variables se miden
como puntuaciones directas alcanzadas en las dos pruebas aplicadas al alumnado.
Se expresan en un rango de puntuaciones que tienen como valores máximos
posibles 40 y 48 respectivamente.
·
Hora de acostarse. Indica la
hora a la que normalmente suele acostarse el niño durante el período escolar,
en los días entre semana.
·
Tiempo dedicado a tareas
escolares. Indica el tiempo que diariamente supone la realización de tareas
escolares fuera del colegio.
·
Participación en actividades
extraescolares de carácter deportivo, musical o de aprendizaje de idiomas. Las
familias informaron si su hijo realiza o no cada uno de estos tipos de
actividades en horario extraescolar.
·
Índice de asistencia a
actividades culturales. Se trata de un índice construido a partir de las
respuestas de las familias a la pregunta sobre la frecuencia con que asisten al
cine, al teatro y a museos o exposiciones. Las respuestas se expresaban en una
escala de cuatro grados (nada, poco, bastante y mucho). Mediante análisis de
componentes principales para datos categóricos, los tres ítems fueron reducidos
a un solo factor, tomando como índice de asistencia las puntuaciones
normalizadas en dicho factor.
·
Índice de seguimiento y apoyo
familiar al estudio. De modo análogo al descrito para la variable anterior, se
construyó este índice a partir de la frecuencia con que las familias se
implican en el trabajo escolar de su hijo a través de cinco actuaciones: le
animan a estudiar, le preguntan si tiene tareas, comprueban que hacen las
tareas, le preguntan cómo le ha ido en clase y le ayudan a hacer las tareas.
Las respuestas se habían emitido en una escala de cuatro grados (nunca, algunos
días, casi todos los días, todos los días).
·
Índice de nivel socioeconómico
y cultural de la familia (ISC). Este índice se incluye en la base de datos de
la evaluación ESCALA. Se obtiene mediante análisis de componentes principales
utilizando información sobre el nivel de estudios de los padres, su nivel
profesional y los recursos disponibles en el hogar. Como en el caso de los
índices anteriores, se expresa mediante puntuaciones factoriales normalizadas.
La Tabla 1 muestra el listado
de las variables consideradas, incluyendo estadísticos descriptivos. En el caso
de variables continuas se ofrecen medias y desviaciones típicas, mientras que
para las variables categóricas se presentan porcentajes.
Variables y estadísticos
descriptivos
|
Variables |
Codificación |
Estadísticos descriptivos |
|
Tiempo de
pantallas |
1 = Bajo 2 = Medio 3 = Alto |
28.2 % 57.9 % 13.9 % |
|
Aprendizajes escolares |
|
|
|
Rendimiento en
comunicación lingüística |
Continua |
M=33.1; DT=6.11 |
|
Rendimiento en
razonamiento matemático |
Continua |
M=37.8; DT=6.21 |
|
Variables
personales y contextuales |
|
|
|
Género |
1 = Niño 2 = Niña |
51.6 % 48.4 % |
|
1 = Antes de las 9 |
3.3 % |
|
|
|
2 = Entre las 9 y las 9:30 |
22.8 % |
|
|
3 = Entre las 9:30 y las 10 |
53.6 % |
|
|
4 = Más de las 10 |
20.3 % |
|
Tiempo
dedicado a tareas escolares |
1 = Nada |
1.8 % |
|
|
2 = 15 minutos o menos |
9.3 % |
|
|
3 = Entre 16 - 30 minutos |
32.4 % |
|
|
4 = Entre 31 - 60 minutos |
41.5 % |
|
|
5 = Más de 60 minutos |
15.0 % |
|
Actividades
extraescolares deportivas |
0 = No 1 = Sí |
45.9 % 54.1 % |
|
Actividades
extraescolares musicales |
0 = No 1 = Sí |
88.6 % 11.4 % |
|
Actividades extraescolares
de idiomas |
0 = No 1 = Sí |
61.6 % 38.4 % |
|
Asistencia a
actividades culturales |
Continua normalizada |
M=0; DT=1 |
|
Seguimiento y
apoyo familiar al estudio |
Continua normalizada |
M=0; DT=1 |
|
Nivel socioeconómico
y cultural (ISC) |
Continua normalizada |
M=0; DT=1 |
Nota. M = media. DT =
desviación típica
2.3 Análisis de datos
La incidencia del tiempo de exposición
a pantallas sobre el aprendizaje se ha analizado a través del contraste de las
variables de rendimiento entre los grupos de alumnado que se encuentran en
situaciones opuestas, es decir, los grupos de nivel alto y nivel bajo en tiempo
de pantallas. La comparación se ha llevado a cabo recurriendo a la prueba t
para la comparación de medias y se ha estimado el tamaño del efecto mediante la
d de Cohen. Utilizando la prueba de chi-cuadrado y la prueba t, se han
realizado contrastes para confirmar la existencia de diferencias
estadísticamente significativas entre niños con poco y mucho tiempo de
pantallas, en lo que respecta a las variables personales y contextuales
consideradas. Posteriormente, aquellas variables que han mostrado una
vinculación significativa con el tiempo de pantallas se han introducido como
variables independientes en un modelo de regresión logística binaria, tomando
como variable dependiente la pertenencia a los grupos de poco o mucho tiempo de
pantallas. El análisis de regresión logística permite evaluar el efecto
combinado de estas variables, construyendo un modelo para predecir el tiempo de
pantallas en los niños.
3. Resultados
3.1. Tiempo de pantallas y
aprendizajes escolares
El grupo de niños
caracterizado por mucho tiempo de pantallas logra resultados escolares más
bajos que quienes dedican poco tiempo. Para quienes dedican como máximo una
hora a ver televisión, videos, jugar a videojuegos o usar el teléfono móvil, la
puntuación en la prueba de comunicación lingüística ha sido de 33.96 y en la de
razonamiento matemático 38.38. Quienes dedican un mayor número de horas a estas
a actividades alcanzaron puntuaciones de 32.26 y 37.33 respectivamente. Las
diferencias observadas entre ambos grupos resultan estadísticamente
significativas (t=22.84; p<.001 en comunicación lingüística y t=13.90;
p<.001 en razonamiento matemático). No obstante, el elevado tamaño de las
muestras aconseja estimar el tamaño del efecto para valorar, con independencia
de que estas resulten significativas, la importancia sustantiva de las
diferencias observadas. La d de Cohen alcanza el valor 0.17 en cálculo y 0.28
en escritura, valores que reflejan un efecto bajo. Con todo, estos resultados
muestran cierta tendencia a que el nivel de aprendizaje sea mayor cuando es
poco el tiempo de pantallas, especialmente en lo que respecta al aprendizaje en
el ámbito de la comunicación lingüística.
3.2. Variables personales y
contextuales asociadas al uso de pantallas
El uso de pantallas se asocia
significativamente al género (chi-cuadrado=1353.3; p<.001), de tal manera
que entre quienes dedican mucho tiempo a actividades que implican el uso de
pantallas solo el 36,8% son niñas, mientras que los niños representan el 63,2%
restante.
En lo que respecta a la hora
de acostarse, un mayor tiempo de pantallas se corresponde con acostarse más
tarde. Así, entre quienes más tiempo dedican a pantallas, el 36.8% se acuesta
más tarde de las diez y un 12.9% lo hace antes de las nueve y media. En cambio,
en el grupo caracterizado por el poco tiempo de pantallas la situación se
invierte, pues quienes se acuestan después de las diez representan el 12.2% y
el 38.3% se acuestan antes de las nueve y media. Las diferencias observadas
resultan estadísticamente significativas, registrándose un elevado valor
chi-cuadrado=3924.3 (p<.001).
También el tiempo dedicado a
hacer tareas escolares es una variable que permite diferenciar a los dos grupos
de niños con poco y mucho tiempo de pantallas (chi-cuadrado=116.6; p<.001);
existe una ligera tendencia a que quienes han sido caracterizados por un mayor
tiempo de pantallas sean también quienes necesitan más tiempo para hacer tareas
escolares fuera del colegio, es decir quienes más dificultades encuentran. El 58.5%
de los niños incluidos en el grupo de mucho tiempo de pantallas necesitan más
de media hora para hacer los deberes, frente al 53.5% del grupo con poco tiempo
de pantallas.
Un mayor tiempo de pantallas
se vincula a menos participación de los niños en actividades extraescolares.
Entre quienes dedican poco tiempo a pantallas, el 61.9% realiza deporte, el
15.7% música y el 48.0% idiomas. En el grupo de mucho tiempo de pantallas, la
realización de este tipo de actividades extraescolares desciende al 49.1%, 8.1%
y 29.6% respectivamente. Las diferencias observadas resultan significativas
(p<.001).
La asistencia a actividades
culturales, el seguimiento y apoyo familiar al estudio y el nivel
socioeconómico y cultural de las familias es mayor entre niños con poco tiempo
de pantallas. Los respectivos índices utilizados para medir estas variables son
significativamente superiores (p<.001) en el grupo caracterizado por dedicar
poco tiempo a actividades como ver televisión, jugar a videojuegos, juegos de
ordenador o usar el teléfono móvil. Los valores de la d de Cohen indican un
tamaño del efecto moderado en el caso de la asistencia a actividades culturales
(d=0.42) y el nivel socioeconómico y cultural (d=0.66), pero pequeño para el
seguimiento y apoyo familiar al estudio (d=0.15). Esta variable ha sido
excluida en el posterior análisis multivariante, dada su escasa relevancia para
diferenciar individuos con poco y mucho tiempo de pantallas.
La importancia de las
variables en estudio para explicar el tiempo de pantallas puede ser valorada al
considerar conjuntamente sus efectos. Para ello, se ha construido un modelo de
regresión logística binaria, tomando como variables independientes todas las
que consideradas por separado han mostrado su vinculación con el uso de pantallas.
Previamente se ha comprobado la ausencia de colinealidad, encontrándose los
valores de tolerancia entre 0.79 (nivel socioeconómico y cultural) y 0.95
(género) y los VIF entre 1.28 (nivel socioeconómico y cultural) y 1.05
(género). La introducción de variables se ha realizado por pasos, de tal manera
que solo han quedado incluidas aquellas que resultan significativas en el
modelo. La bondad de ajuste del modelo a los datos observados se ha contrastado
mediante la prueba de Hosmer-Lemeshow, que ha arrojado un valor
chi-cuadrado=6.91 (p=.546), lo que lleva a mantener la hipótesis nula de ajuste
adecuado del modelo a los datos observados. El poder predictivo de las
variables independientes se ha medido mediante la R2 de Nagelkerke, que alcanza
el valor .316. Otra medida de la bondad del modelo puede derivarse de su
capacidad clasificatoria; se ha conseguido la clasificación correcta de un
76.3% de los casos, de tal manera que para tres de cada cuatro niños es posible
pronosticar con acierto, a partir de las variables predictoras, si se incluyen
en el grupo que dedica poco tiempo o en el grupo que dedica mucho tiempo a
actividades relacionadas con el uso de pantallas.
La Tabla 2 muestra los valores
que se han estimado para los coeficientes de cada variable en el modelo, junto
con el grado de significación p asociado. A partir de los coeficientes se han
calculado las odds ratio, que expresan cuánto más probable es dedicar mucho
tiempo al uso de pantallas cuando los factores predictores modifican o
incrementan su valor.
Tabla 2
Regresión logística binaria para la predicción del tiempo de pantallas
|
|
B |
Wald |
gl |
Sig. |
Odds ratio |
|
Género (alumna) |
-0.995 |
887.08 |
1 |
.000 |
0.370 |
|
Hora de acostarsea |
|
|
|
.000 |
|
|
Entre las nueve y las nueve y media |
0.120 |
0.99 |
1 |
.294 |
1.128 |
|
Entre las nueve y media y las diez |
1.116 |
103.06 |
1 |
.000 |
3.054 |
|
Más tarde de las diez |
2.253 |
403.96 |
1 |
.000 |
9.512 |
|
Actividades extraescolares - Deportes |
-0.456 |
179.55 |
1 |
.000 |
0.634 |
|
Actividades extraescolares - Música |
-0.392 |
55.94 |
1 |
.000 |
0.676 |
|
Actividades extraescolares - Idiomas |
-0.456 |
185.57 |
1 |
.000 |
0.634 |
|
Asistencia a actividades culturales |
-0.160 |
84.57 |
1 |
.000 |
0.852 |
|
Nivel socioeconómico y cultural |
-0.449 |
627.45 |
1 |
.000 |
0.638 |
|
Constante |
-1.027 |
|
|
.000 |
0.358 |
Nota. a Categoría de
referencia: Antes de las nueve
De acuerdo con el valor de los
coeficientes B, los mayores efectos sobre el uso de pantallas han resultado ser
los debidos a la hora de acostarse y, en un segundo plano, los que corresponden
al género, el nivel socioeconómico y cultural de las familias y la realización
de actividades extraescolares. A medida que avanza la hora de acostarse, se
incrementan las probabilidades de pertenecer al grupo de mucho tiempo de
pantallas, siendo los efectos significativos cuando consideramos acostarse
entre las nueve y media y las diez (B=1.116; p<.001) o más tarde de las diez
(B=2.253; p<.001). Si valoramos la probabilidad de pertenecer al grupo que
dedica mucho tiempo a pantallas, quienes se acuestan más tarde de las diez
tienen casi diez veces más probabilidades de pertenecer a ese grupo (odds ratio=9.514)
que sus compañeros que lo hacen antes de las nueve. En cuanto al género, la
probabilidad de que una niña dedique mucho tiempo a pantallas se reduce a casi
un tercio con relación a esa misma probabilidad para un niño (odds
ratio=0.370). En el caso de la realización de actividades extraescolares, los
efectos sobre el tiempo de pantallas son muy similares para los tres tipos
considerados (coeficientes -0.456, -0.392, -0.456). Teniendo en cuenta los
valores de las odds ratio calculadas para estas variables, la participación en
actividades deportivas (0.634), musicales (0.676) o el estudio de idiomas
(0.634) reducen en algo más del 30% la probabilidad de pertenecer al grupo que
dedica mucho tiempo al uso de pantallas. Otra importante variable en la explicación
del tiempo de pantallas es el nivel socioeconómico y cultural de las familias
(B=-0.449; p<.001). Por cada unidad de incremento en el índice que mide esta
variable, la probabilidad de mucho tiempo de pantallas disminuye en un 36.2%
(odds ratio=0.638).
Las restantes variables tienen
un menor peso en la predicción del tiempo de pantallas. Aunque la asistencia a
actividades culturales tiene un efecto significativo (p<.001), su
coeficiente es de menor cuantía y contribuye con menos intensidad a reducir la
probabilidad de dedicar mucho tiempo a pantallas (odds ratio=0.852). Por
último, el procedimiento de inclusión de variables por pasos ha dejado fuera
del modelo a la variable tiempo dedicado a tareas escolares, por lo que cabe
afirmar que, en presencia del resto de variables, no resulta relevante en la
explicación del tiempo de pantallas.
4. Discusión y conclusiones
El uso excesivo de pantallas
es un comportamiento que empieza a llamar la atención de las autoridades
sanitarias. En la Estrategia Nacional sobre Adicciones diseñada en España para
el período 2017-2024 (Ministerio de Sanidad, 2017), se señala que el uso
excesivo de Internet, pantallas digitales y otras TIC podría derivar en
comportamientos que presentan analogías con la adicción a sustancias. En el
presente estudio, se ha constatado que el tiempo de pantallas en los niños
andaluces de ocho años se sitúa en niveles moderados, pues uno de cada cuatro
no llega a usarlas más de una hora al día y solo el 13.9% sobrepasa las dos
horas, que constituyen el tiempo máximo recomendado en las directrices dadas
por los sistemas de salud pública de diversos países (Hankonen et al., 2017;
Tremblay et al., 2016). Aunque el exceso de tiempo de pantallas afecta a un
grupo relativamente reducido de niños andaluces al finalizar la primera
infancia, la acción preventiva con este colectivo es decisiva para evitar desde
etapas tempranas los perjuicios asociados.
La necesidad de atajar
situaciones de uso abusivo de pantallas es patente si se tiene en cuenta la
relación con el rendimiento educativo, la salud y el bienestar, que la
literatura ha señalado de manera reiterada. Uno de los objetivos planteados en
este trabajo se centraba en analizar la relación entre tiempo de pantallas y
aprendizaje escolar. Aunque se aprecia un menor nivel de aprendizaje entre
niños caracterizados por un elevado tiempo de pantallas, el efecto de esta
variable sobre el rendimiento presenta un tamaño limitado. En este sentido,
cabe considerar las aportaciones de trabajos anteriores (Amez & Baert,
2020; Poulain et al., 2018; Sharif & Sargent, 2006; Stiglic & Viner,
2019; Zapata-Lamana et al., 2021) en los que se ha señalado la existencia de
una relación negativa entre tiempo de pantallas y rendimiento escolar, si bien
matizando que esta relación estaría mediada por el valor educativo de los
contenidos, el control parental o rasgos de personalidad del individuo, entre
otros factores (Adelantado-Renau et al., 2019; Sanders et al., 2019).
Acostarse después de las diez
de la noche se vincula con claridad a un elevado tiempo de pantallas. Este
resultado es consistente con los trabajos anteriores que han señalado la
existencia de una relación negativa del tiempo de pantallas con el número de
horas de sueño (Baiden et al., 2019; Saunders et al., 2022; Przybylski, 2019).
Ocupar el tiempo de ocio con actividades extraescolares ha resultado ser otra
de las prácticas que se asocian a un menor tiempo de pantallas. Entre estas
actividades, las de carácter deportivo son las realizadas después del horario
escolar por un mayor número de niños andaluces de ocho años. Los resultados
obtenidos en el estudio indican que quienes no realizan este tipo de
actividades corren el riesgo de incurrir en un mayor tiempo de pantallas, con
los consiguientes efectos negativos que supone el sedentarismo para la salud y
el desarrollo durante la infancia (Twenge & Campbell, 2018). Por último,
otra importante variable en la explicación del tiempo de pantallas es el nivel
socioeconómico y cultural de las familias. Un mayor nivel se asocia a un menor
tiempo de exposición a pantallas, en consonancia con la denominada brecha
socioeconómica y cultural en la actividad física y tiempo de pantallas que la
literatura previa ha señalado de manera consistente (Hankonen et al., 2017;
Oswald et al., 2020).
El papel asignado a las
familias se concreta habitualmente en limitar el tiempo de exposición a los
medios digitales, y en revisar y controlar los contenidos a los que son
expuestos los más jóvenes (Lauricella et al., 2015). De los resultados descritos
se derivan recomendaciones adicionales para reducir el tiempo de pantallas en
la infancia, contribuyendo de forma temprana a prevenir un uso abusivo que
pudiera derivar en futuros comportamientos adictivos. En esta línea, también
corresponde a las familias evitar la demora excesiva en la hora de acostarse y
propiciar la participación de los niños en actividades extraescolares. Un nivel
socioeconómico familiar bajo constituye también un factor de riesgo, pero este
tipo de variables contextuales son menos susceptibles de ser modificadas por
las propias familias. Ante niños que proceden de contextos familiares
deficitarios, escuelas y Administración educativa habrían de intensificar su
papel compensador. Cabe plantear la necesidad de potenciar una cultura tecnológica
responsable, proporcionando a las familias más desfavorecidas orientaciones
para el control parental del uso de pantallas y facilitar el acceso a
actividades extraescolares que ocupen el tiempo de ocio de los niños, cuando
los recursos familiares no lo permiten.
Finalmente, se señalan algunas
fortalezas y debilidades vinculadas al presente trabajo. La principal aportación
ha sido abordar el estudio de un tópico poco estudiado en el contexto español y
hacerlo contando con datos censales para la práctica totalidad de niños de ocho
años de una de las regiones españolas de mayor tamaño. Las limitaciones que
podríamos señalar son inherentes a la metodología utilizada. De una parte, los
posibles sesgos de sinceridad que pueden afectar a las técnicas de autoinforme.
Por otra parte, las variables se limitan a las utilizadas en la evaluación
ESCALA, sin que se hayan podido introducir otras variables relevantes. Por este
motivo, no se ha podido medir el tiempo de pantallas usando procedimientos más
sofisticados de medición. Esto ha supuesto además la imposibilidad de incluir
variables adicionales para construir modelos sobre el uso de pantallas
susceptibles de confirmación. Por último, el enfoque correlacional adoptado
permite identificar asociaciones entre variables, pero no establecer entre
ellas relaciones de causalidad.
Saliendo al paso de estas
limitaciones, futuros trabajos podrían abordar el estudio del tiempo de
pantallas incorporando un mayor número de variables o adoptar metodologías de
corte cualitativo que permitan incrementar la información sobre el uso de
pantallas y las percepciones de las familias sobre sus efectos. También
resultaría interesante llevar a cabo un Análisis de Clases Latentes (ACL), que
permite identificar grupos de estudiantes, en función de las variables
estudiadas, que podrían vincularse a distintos niveles de uso de pantallas de
dispositivos electrónicos.
Proyecto
EDU2017-84649-P financiado por MCIN/AEI/10.13039/501100011033, por “FEDER Una
manera de hacer Europa".
Variables
associated with the use of screens at the end of early childhood
1.
Introduction
In the current technological era, Information and
Communication Technologies (ICT) condition the development of society,
constituting an essential element in people's lives and in very diverse fields
of human activity. The way of proceeding or acting of different social groups
is on the whole affected by the impact of technological tools in their lives,
and the youngest are not an exception (Przybylski, 2019).
In recent years, children and adolescents have grown
up in contact with ICT, and the use of these tools for recreational, social or
academic purposes has become widespread. Regarding hedonistic or entertainment
use, television had for decades been the most popular communication media and
that most used in developed countries. With a growing presence in recent years,
the use of mobile phones, computers and digital tablets has been added to
television, these being the devices of choice. Regardless of the type of media
used, young people have increased screen time and tend to be more sedentary
(Chau et al., 2022). Rideout and Robb (2019) report that US children spend
around 5 hours a day on digital screens, which already exceeds the maximum two
hours recommended for recreational use for ages 5-17 (Tremblay et al., 2016).
It is true that not all activities involving screen use have negative effects.
However, due to the frequency of use and the evolutionary stage that they find
themselves in, young people are one of most vulnerable social groups facing the
influence of technologies (Odgers & Jensen, 2020). In addition, the need to
use technological tools in academic life to search for information, carry out
tasks or participate in online collaborative work is added to leisure time,
involving more screen time (Uerz et al., 2018). In times of particular complexity,
such as those recently experienced for health reasons, ICT has been crucial for
the development of telematic teaching. However, this scenario has raised
widespread concerns about the possible consequences for young people's physical
health, mental health and cognitive development (Tripathi & Mishra, 2020).
In accordance with this reality, the scientific
literature has reflected a growing number of works concerning the screen time
variable. Generally, this variable has been operationalized on the basis of the
number of hours devoted daily to screen-based behaviors or the use of different
audiovisual media (Tremblay et al., 2017), although the type of devices has
varied from some studies to others. Ge et al. (2020) measure daily time spent
using computers, mobile phones and digital tablets. Marciano and Camerini
(2021) take these same media into account, also including television. Dubuc et
al. (2020) also bore in mind the hours that users spend per day in front of
digital screens, outside of work or homework, regardless of the audiovisual
medium used.
This work also focuses on the use of technologies
apart from in the school context, forming part of free time leisure activities.
In this sense, the number of hours that children spend on using digital screens
and the content to which they are exposed to has been associated with health
problems such as low physical activity, obesity and overweight (O'brien et al.,
2018; Stiglic & Viner, 2019) and with harmful eating patterns in children
and adolescents (Delfino et al., 2018). Other studies show that overexposure to
screens over long periods of time is associated with the development of
psychological problems, such as depression or anxiety, reduced capacity for
self-control (Twenge & Campbell, 2018; Wang et al., 2021) or sleep problems
(Baiden et al., 2019). Przybylski's (2019) nationwide study in the United
States reveals that increased hours of screen time correlates negatively with
sleep consistency and duration, especially if this time on devices is spent browsing
the internet or social media. This finding is relevant, given that adolescents
with a lack of sleep or low quality sleep run a considerable risk of suffering
adverse consequences related with their mood, and with problems of attention
and memory, affecting their quality of life and their academic performance
(Zhang & Wu, 2020).
Other studies closer to this work have focused on
examining the association between screen time and indicators related to
cognition, executive development and academic outcomes in children and
adolescents (Liu et al., 2020; Martín-Perpiñá et al., 2019). The results
suggest that high exposure time to screens such as television, mobile phones or
computers is related to low levels of learning (Amez & Baert, 2020; Poulain
et al., 2018; Sharif & Sargent, 2006), lower attention and greater
difficulties in literacy or mathematical problem solving (Faught et al., 2017;
Zapata-Lamana et al., 2021), mainly in low socioeconomic contexts (Oswald et
al., 2020). In other words, what Anderson et al. (2001) called the displacement
hypothesis, according to which time spent on screens relegates learning moments
or other educational activities that are positively associated with
achievement, could be taking place (Saunders et al., 2022).
Although the previous literature has reported
associations between screen time and performance-based cognitive skills, there
is no clear view on this (Orben & Przybylski, 2019). Dubuc et al. (2020)
found significant associations between screen time and lower academic
performance. Review papers by Adelantado-Renau et al. (2019) and Liu et al.
(2022) reported that young people who spend more time watching TV, playing
video games or other screen media perform worse. Stiglic and Viner (2019) found
low to moderate associations between screen time and preschool children's
cognitive development. In contrast, other work has reported positive, no or
inconsistent associations between screen time and academic outcomes (Carson et
al., 2016; Hu et al., 2020; Sanders et al., 2019) that question the practical
significance of recommendations made for youth screen time (Odgers &
Jensen, 2020). Furthermore, these relationships might be influenced by the
educational value of the content, the medium used, gender, age, parenting style,
limit-setting in technological media exposure and young people's self-control
(Lauricella et al., 2015; Schulz van Endert, 2021).
The absence, in
the Spanish context, of large-scale studies on screen time in the child
population has led to the present study. Firstly, it is meant to value the
influence of extracurricular time spent on the use of screens (television,
video games, computer games, mobile phones) in the school learning achieved by
boys and girls of eight years old, the age at which the UNESCO situates the end
of the first childhood. A second aim is to determine the importance of a series
of personal and contextual variables in the explanation of the time that boys
and girls spend on the use of screens outside school. In this sense, gender,
timekeeping habits, participation in extracurricular activities, the
involvement of parents in their children’s school learning and the
socio-economic and cultural level of the children’s families have been
considered. To identify the weight of these variables in the explanation of
screen time is a starting point to substantiate recommendations aimed at
different educational agents with the aim of preventing the overuse of screens
after school hours in childhood. According to the literature presented in the
previous paragraphs, to reduce screen time would be beneficial in terms not
only of school learning but also of health and well-being.
2. Metodology
The work done is a secondary analysis from data
obtained in the Andalusian Writing, Calculation and Reading Evaluation Test
(ESCALA), corresponding to the last application of this test in this Autonomous
Community. The design adopted is ex-post-facto, with a descriptive,
correlational and predictive focus. The ESCALA evaluation was promoted by the
Andalusian Agency for Educational Evaluation (AGAEVE), a body which depends on
the Ministry of Education of the Andalusia Regional Government (Spain). Its aim
is to check the level of performance attained in linguistic communication and
mathematical reasoning, as well as the study of the relation of these levels
with sociocultural factors gathered via context questionnaires filled out by
the families. The performance tests and context questionnaires that were used
corresponded to the 2016-17 school year (AGAEVE, 2017), the latest data
available according to the previous agreement signed with AGAEVE.
2.1 Participants
Since the first edition in the 2010-2011 school year,
the ESCALA evaluation has been done annually, on a census basis, with all the
students who are in the second year of Primary School in Andalusian educational
schools. In the edition corresponding to the 2016-17 school year, a total of
94092 students of the second year of Primary Education have participated. They
were enrolled in 2525 schools which taught this educational level. 51.8% are
boys and 48.2% are girls. 94.5% of the participants were born in 2009, being
around eight years old at the time of the evaluation in May 2017. The
information which the families of these students contribute from answering the
questionnaire about their personal and contextual characteristics has also been
available.
2.2 Variables
Applying performance tests and context questionnaires
in the ESCALA evaluation gave rise to a database from which the relevant
variables for this work were obtained. As well as the gender variable, the
following have been taken into account:
·
Screen time. Obtained from two questions the families
were asked to indicate the time spent daily by their child, outside school,
watching television or videos and using a computer, video games or a mobile
phone for recreational purposes. The answers were expressed on a scale with
four degrees (no time, up to 1 hour, from 1 to 2 hours, more than 2 hours). The
combination of the answers to both questions has enabled the construction of a
three-level screen time index. The low level corresponds to a maximum of one
hour daily of screen time, while the high level is attributed to those who
spend more than three hours in total and who surpass two hours of television or
two hours of screen games. The students who are between the two limits are
characterized by a medium level. The index has been constructed with the
intention of being able to differentiate groups in which an appreciable time
difference can be established, at least between the two extreme groups.
·
Performance in linguistic communication and
mathematical reasoning. Both variables are measured as direct scores attained
in the two tests applied to the students. They are expressed in a range of
scores which have 40 and 48 as the maximum possible scores, respectively.
·
Bedtime. This indicates the time that the child
normally goes to bed during the school period on weekdays.
·
Time spent on schoolwork. This signifies the time
daily doing schoolwork or homework outside school.
·
Participation in sports, musical or language learning
extracurricular activities. The families inform if their child does each of
these types of activities in out of school hours or not.
·
Index of attending cultural activities. This is an
index constructed from the answers of the families to the question about how
often they go to the cinema, the theatre and to museums and exhibitions. The answers to these questions are expressed
on a four-degree scale (never, not often, quiet a lot, a lot). Via principal
component analysis for categorical data, the three items were reduced to a
single factor, taking the attendance index as the normalized scores in this
factor.
Table 1
Variables and descriptive statistics
|
Variables |
Codification |
Descriptive statistics |
|
Screen time |
1 = Low 2 = Medium 3 = High |
28.2 % 57.9 % 13.9 % |
|
School learning |
|
|
|
Performance in
linguistic communication |
Continuous |
M=33.1; SD=6.11 |
|
Performance in
mathematical reasoning |
Continuous |
M=37.8; SD=6.21 |
|
Personal and
contextual variables |
|
|
|
Gender |
1 = Boy 2 = Girl |
51.6 % 48.4 % |
|
Bedtime |
1 = Before 9 |
3.3 % |
|
|
2 = Between 9 and 9:30 |
22.8 % |
|
|
3 = Between 9:30
and 10 |
53.6 % |
|
|
4 = Later than 10 |
20.3 % |
|
Time spent on
schoolwork |
1 = None |
1.8 % |
|
|
2 = 15 minutes or less |
9.3 % |
|
|
3 = Between 16 and 30 minutes |
32.4 % |
|
|
4 = Between 31 and 60 minutes |
41.5 % |
|
|
5 = More than 60 minutes |
15.0 % |
|
Extracurricular
sports activities |
0 = No 1 = Yes |
45.9 % 54.1 % |
|
Extracurricular musical
activities |
0 = No 1 = Yes |
88.6 % 11.4 % |
|
Extracurricular
language activities |
0 = No 1 = Yes |
61.6 % 38.4 % |
|
Attending
cultural activities |
Continuous standardized |
M=0; SD=1 |
|
Family support
and study follow-up |
Continuous standardized |
M=0; SD=1 |
|
Socio-economic
and cultural level (ISC) |
Continuous standardized |
M=0; DT=1 |
Note. M = mean. SD = standard deviation
·
Follow-up index and family support of study Similar to
that described for the previous variable, this index was constructed from how
often the families are involved in the school work of their child through five
actions: they motivate him/her to study, they ask him/her if they have
schoolwork, they check that the schoolwork is done, they ask him/her how the
classes went and they help him/her to do the schoolwork. The answers are on a
four-degree scale (never, some days, almost every day, every day).
·
The family’s socio-economic and cultural level index
(ISC). This index is included in the database of the ESCALA evaluation. It is
obtained via principal component analysis, using information about the level of
studies of the parents, their professional level and the resources available in
the home. As in the case of the previous indexes, it is expressed via
normalized factorial scores.
Table 1 shows the list of the variables considered,
including descriptive statistics. In the case of the continuous variables means
and standard deviations are offered, while percentages are presented for the
categorical variables.
2.3 Data analysis
The influence of screen time exposure on learning has
been analyzed through comparing the performance variables between the groups of
students who are in opposite situations; that is to say, the high and low level
groups in screen time The comparison has been made through the t test for the
comparison of means and the effect size has been estimated through Cohen’s d.
Using the chi-square test and the t test, comparisons have been made to confirm
the existence of statistically significant differences between children with
little or a lot of screen time, regarding the personal and contextual variables
considered. Later, those variables which have shown a significant link with the
screen time have been introduced as independent variables in a binary logistic
regression model, taking belonging to groups of little or a lot of screen time
as the dependent variable. The logistic regression analysis enables evaluating
the combined effect of these variables, constructing a model to predict screen
time in children.
3. Results
3.1 Screen time and school learning
The group of children characterized by a lot of screen
time achieve lower school results than those who have less screen time. For
those who spend a maximum of one hour watching television, videos, playing at
video games or using mobile phone, the score in the linguistic communication
test has been 33.96 and in the mathematical reasoning test 38.38. Those who
spend more time on these activities attain scores of 32.26 and 37.33,
respectively. The differences observed between the two groups are statistically
significant (t=22.84; p<.001 in linguistic communication and t=13.90;
p<.001 in mathematical reasoning). However, the large size of the samples
recommends estimating the effect size to value, irrespective of these being
significant, the substantive importance of the differences observed. Cohen’s d
attains the value 0.17 in calculation and 0.28 in writing, values which reflect
a low effect. Nevertheless, these results show a certain tendency to the
learning level being greater when there is little screen time, especially
regarding learning in the linguistic communication area.
3.2 Personal and contextual variables associated with
screen time
Screen use is significantly associated with gender
(chi-square=1353.3; p<.001), so that among those who spend a lot of time on
screen activities only 36.8% are girls, while boys account for the remaining
63.2%.
As to the bedtime, more screen time corresponds with
going to bed later. Thus, among those who spend more time on screens, 36.8% go
to bed after ten and 12.9% do so before half past nine. On the other hand, in
the group characterized by low screen time the situation is reversed, as those
who go to bed after ten represent 12.2% and 38.3% go to bed before half past
nine. The differences observed are statistically significant, recording a high
chi-square value=3924.3 (p<.001).
Also, the time spent on doing schoolwork is a variable
which enables differentiating the two groups of children with little or a lot
of screen time (chi-square=116.6; p<.001); There exists a slight tendency of
those who have been characterized by greater screen time being also the ones
who need more time to do schoolwork out of school. 58.5% of the children
included in the group of a lot of screen time need more than half an hour to do
their homework, compared to 53.5% of the group with little screen time.
Greater screen time is linked with less participation
of the children in extracurricular activities. Among those who spend little
time on screens, 61.9% do sport, 15.7% music and 48.0% languages. In the group
of a lot of screen time, doing this type of extracurricular activities drops to
49.1%, 8.1% and 29.6%, respectively. In the three cases, the differences
observed are significant (p<.001).
Attending cultural activities, the family follow-up
and support of study and the socio-economic and cultural level of the families
is greater among children with little screen time. The respective indexes used
to measure these variables are significantly higher (p<.001) in the group
characterized by spending more time on activities such as watching television,
playing video games, computer games or using a mobile phone. The Cohen d values
indicate a moderate effect size in the case of attending cultural activities
(d=0.42) and the socio-economic and cultural level (d=0.66), but a small effect
size for the family follow-up and support of study (d=0.15). This variable has
been excluded in the later multivariate analysis given its low relevance to
differentiate people with little or a lot of screen time.
The importance of the study variables to explain the
screen time can be valued when jointly considering their effects. To do so, a
binary logistic regression model has been constructed, taking as independent
variables all those that, considered separately, have shown their link with
screen use. Previously, the absence of collinearity was checked, with tolerance
values between 0.79 (socio-economic and cultural level) and 0.95 (gender) and
VIF values between 1.28 (socio-economic and cultural level) and 1.05 (gender).
The introduction of variables has been done by steps, in such a way that only
those which are significant in the model have been included. The model’s
goodness of fit and the data observed have been verified via the
Hosmer-Lemeshow test, which gave a chi-square value =6.91 (p=.546). This leads
to maintaining the null hypothesis of the appropriate fit of the model to the
data observed. The predictive power of the independent variables has been
measured via Nagelkerke's R2, which attains the value of .316. Another goodness
measurement of the model can be derived from its classificatory capacity. It
has achieved the correct classification of 76.3% of the cases, so that for
three of every four children it is possible to correctly predict, from the
predictive variables, if they are included in the group which spends little
time or in the group which spends a lot of time on activities related with
screen use.
Table 2 shows the values which have been estimated for
the coefficients of each variable in the model, along with the associated
degree of p significance. The odds ratio has been calculated from the
coefficients. This expresses how much more likely it is to spend time on screen
use when the predictive factors modify or increase their value.
Binary logistic regression for
the prediction of screen time
|
|
B |
Wald |
gl |
Sig. |
Odds ratio |
|
Gender (girl pupil) |
-0.995 |
887.08 |
1 |
.000 |
0.370 |
|
Bedtimea |
|
|
|
.000 |
|
|
Between nine and half past nine |
0.120 |
0.99 |
1 |
.294 |
1.128 |
|
Between half past nine and ten |
1.116 |
103.06 |
1 |
.000 |
3.054 |
|
After ten |
2.253 |
403.96 |
1 |
.000 |
9.512 |
|
Extracurricular activities – Sports |
-0.456 |
179.55 |
1 |
.000 |
0.634 |
|
Extracurricular activities – Music |
-0.392 |
55.94 |
1 |
.000 |
0.676 |
|
Extracurricular activities - Languages |
-0.456 |
185.57 |
1 |
.000 |
0.634 |
|
Attending cultural events |
-0.160 |
84.57 |
1 |
.000 |
0.852 |
|
Socio-economic and cultural level |
-0.449 |
627.45 |
1 |
.000 |
0.638 |
|
Constant |
-1.027 |
|
|
.000 |
0.358 |
Note. a Reference category: Before nine
According to the value
of the B coefficients, the greatest effects on screen use have been those due
to the bedtime and, on the second level, the ones which correspond to gender,
the socio-economic and cultural level of the families and carrying out
extracurricular activities. The later
the bedtime, the probabilities of belonging to the group of a lot of screen
time increase, the effects being significant when we consider going to bed
between half past nine and ten (B=1.116; p<.001) or later than ten (B=2.253;
p<.001). If we value the probability of belonging to the group which spends
more time on screens, those who go to bed after ten have almost ten times more
probabilities of belonging to this group (odds ratio=9.514) than their
colleagues who do so before nine. As to gender, the probability of a girl
spending a lot of time on screens is almost a third compared to this same
probability for a boy (odds ratio=0.370). In the case of carrying out
extracurricular activities, the effects on screen time are very similar for the
three types considered (coefficients -0.456, -0.392, -0.456). Taking into
account the values of the odds ratios calculated for these variables, the
participation in sports activities (0.634), music (0.676) or studying languages
(0.634) reduces by somewhat more than 30% the probability of belonging to the
group which spends a lot of time on screen use. Another important variable in
the explanation of screen time is the families’ socio-economic and cultural
level (B=-0.449; p<.001). For each unit of increase in the index which
measures this variable, the probability of a lot of screen time decreases by
36.2% (odds ratio=0.638).
The remaining
variables have less weight in the prediction of screen time. Although attending
cultural activities has a significant effect (p<.001), its coefficient is
less and contributes with less intensity to reducing the probability of
spending a lot of time on screens (odds ratio=0.852). Lastly, the procedure of
including variables by steps has left the variable time spent on schoolwork out
of the model, so in the presence of the rest of the variables, it is not
relevant in explaining screen time.
The excessive use of screens is a behavior which is
beginning to draw the attention of the health authorities. In the National
Strategy concerning Addictions designed in Spain for the period 2017-2024
(Ministerio de Sanidad, 2017), it is pointed out that the excessive use of the
Internet, digital screens and other ICTs could lead to behaviors which present
analogies with substance addiction. In the present study, it has been noted
that the screen time of eight- year-old Andalusian children is at moderate
levels, as one out of four do not use them more than one hour per day and only
13.9% surpass two hours, which is the maximum time recommended in the
guidelines given by the public health system of diverse countries (Hankonen et
al., 2017; Tremblay et al., 2016). Although the excess of screen time affects a
relatively small group of Andalusian children at the end of early childhood,
preventive action for this group is decisive to avoid, from early on, the
damage related with it.
The need to tackle the abusive use of screens is
evident, taking into account the relationship with academic performance, health
and well-being, which the literature has time and again pointed out. One of the
aims proposed in this work was centered on analyzing the relationship between
screen time and school learning. Although a lower level of learning among
children characterized by a high screen time is noted, the effect of this
variable on performance is limited. In this vein, the contributions of previous
works should be considered (Amez & Baert, 2020; Poulain et al., 2018;
Sharif & Sargent, 2006; Stiglic & Viner, 2019; Zapata-Lamana et al,
2021). These have indicated the existence of a negative relationship between
screen time and academic performance, though stressing that this relationship
would be mediated by the educational value of the contents, parental control
and the person’s personality features, among other factors (Adelantado-Renau et
al., 2019; Sanders et al., 2019).
To go to bed after ten is clearly linked with a high
screen time. This result is consistent with previous works which have pointed
out a negative relationship of screen time with the number of hours of sleep
(Baiden et al., 2019; Saunders et al., 2022; Przybylski, 2019). Occupying
children’s free time with extracurricular activities has turned out to be
another of the practices which are associated with less screen time. Among
these activities, those to do with sports are the ones done out of school hours
by a greater number of eight-year-old Andalusians. The results obtained in the
study indicate that those who do not do this type of activities run the risk of
engaging in greater screen time, with the consequent negative effects of
physical inactivity for health and development during childhood (Twenge &
Campbell, 2018). Lastly, another important variable in the explanation of
screen time is the families’ socio-economic and cultural level. A greater level
is associated with less time exposed to screens, in line with the so-called
socio-economic and cultural gap in physical activity and screen time that the
previous literature has consistently pointed out (Hankonen et al., 2017; Oswald
et al., 2020).
The role assigned to families is usually materialized
in limiting the time exposed to digital media, and in revising and controlling
the contents of the youngest who are exposed to them (Lauricella et al., 2015).
Additional recommendations to reduce screen time in childhood are derived from
the results described, contributing early on to preventing an abusive use which
could lead to future addictive behaviors. In this line, it is also up to
families to avoid an excessive lateness in the bedtime and foster the
participation of children in extracurricular activities. A low family
socio-economic level is also a risk factor, but this type of contextual
variables is less susceptible of being modified by the families themselves. With
children who, from the economic and cultural point of view, come from deficit
family contexts, schools and the educational administration have to intensify
their compensating role. The need to foster a responsible technological culture
should be proposed, providing more disadvantaged families with orientations for
the parental control of screen use and facilitating access to extracurricular
activities which occupy children’s free time when the family resources do not
allow this.
Finally, the strengths and weaknesses linked with the
present work are pointed out. The main contribution has been to address the
research of a topic little studied in the Spanish context and to do so having
census data for almost all the eight-year-old children in one of the largest
Spanish regions. The limitations which
we could point out are inherent to the methodology used. On the one hand, there
are the possible biases of sincerity which can affect self-reporting
techniques. On the other hand, the variables are limited to those used in the
ESCALA evaluation, without other relevant variables having been introduced. For
this reason, it has not been possible to measure screen time using more
sophisticated measurement procedures. This has also meant that it has not been
possible to include additional variables to build models of screen use that can
be confirmed. Lastly, the correlational approach adopted enables identifying
associations between variables, but not establishing cause-effect relationships
among them.
In answer to these limitations, future works could
tackle the study of screen time incorporating a greater number of variables or
also adopt qualitative methodologies that would allow for more information on
screen use and families' perceptions of its effects. It would also be
interesting to carry out a Latent Class Analysis (LCA), which allows us to
identify groups of students, according to the variables studied, that could be
linked to different levels of screen use of electronic devices.
Project EDU2017-84649-P funded by
MCIN/AEI/10.13039/501100011033, for “FEDER A way of doing Europe".
References
Adelantado-Renau, M., Moliner-Urdiales, D.,
Cavero-Redondo, I., Beltran-Valls, M. R., Martínez-Vizcaíno, V.,
& Álvarez-Bueno, C. (2019). Association between screen media use and academic
performance among children and adolescents: a systematic review and
meta-analysis. JAMA pediatrics, 173(11), 1058-1067. https://doi.org/10.1001/jamapediatrics.2019.3176
AGAEVE (2017). Prueba de
Escritura, Cálculo y Lectura en Andalucía y Cuestionario Familiar [Archivo
PDF]. http://bit.ly/3TlfY6F
Amez, S., & Baert, S. (2020). Smartphone use and
academic performance: A literature review. International Journal of
Educational Research, 103, 101618. https://doi.org/10.1016/j.ijer.2020.101618
Anderson, D. R., Huston, A. C., Schmitt, K. L.,
Linebarger, D. L., Wright, J. C., & Larson, R. (2001). Early childhood
television viewing and adolescent behavior: The recontact study. Monographs
of the Society for Research in Child Development, 66(1), 1-154. https://doi.org/10.1111/1540-5834.00120
Baiden, P., Tadeo, S. K., & Peters, K. E. (2019).
The association between excessive screen-time behaviors and insufficient sleep
among adolescents: Findings from the 2017 youth risk behavior surveillance
system. Psychiatry Research, 281, 112586. https://doi.org/10.1016/j.psychres.2019.112586
Carson, V., Hunter, S., Kuzik,
N., Gray, C. E., Poitras, V. J., Chaput, J. P., Saunders, T. J., Katzmarzyk, P. T., Okely, A. D.,
Connor Gorber, S., Kho, M. E., Sampson, M., Lee, H.,
& Tremblay, M. S. (2016). Systematic review of sedentary behaviour and health indicators in school-aged children and
youth: an update. Applied physiology, nutrition, and metabolism, 41(6),
S240-S265. https://doi.org/10.1139/apnm-2015-0630
Chau,
K., Bhattacherjee, A., Senapati,
A., Guillemin, F., & Chau, N. (2022). Association between
screen time and cumulating school, behavior, and mental health difficulties in
early adolescents: a population-based study. Psychiatry Research, 310, 114467. https://doi.org/10.1016/j.psychres.2022.114467
Delfino, L. D., dos Santos
Silva, D. A., Tebar, W. R., Zanuto,
E. F., Codogno, J. S., Fernandes,
R. A., & Christofaro, D. G. (2018). Screen
time by different devices in adolescents: association with physical inactivity
domains and eating habits. The Journal of sports medicine and physical
fitness, 58(3), 318-325. http://dx.doi.org/10.23736/S0022-4707.17.06980-8
Dubuc, M. M., Aubertin-Leheudre,
M., & Karelis, A. D. (2020). Lifestyle habits predict academic performance
in high school students: the adolescent student academic performance
longitudinal study (ASAP). International journal of environmental research
and public health, 17(1), 243. https://doi.org/10.3390/ijerph17010243
Faught, E. L., Ekwaru, J.
P., Gleddie, D., Storey, K.
E., Asbridge, M., & Veugelers, P. J. (2017). The
combined impact of diet, physical activity, sleep and
screen time on academic achievement: a prospective study of elementary school
students in Nova Scotia, Canada. International Journal of Behavioral
Nutrition and Physical Activity, 14(1), 1-13. https://doi.org/10.1186/s12966-017-0476-0
Ge,
Y., Xin, S., Luan, D., Zou, Z., Bai, X., Liu, M.,
& Gao, Q. (2020). Independent and combined associations between screen
time and physical activity and perceived stress among college students. Addictive
Behaviors, 103, 106224. https://doi.org/10.1016/j.addbeh.2019.106224
Hankonen, N., Heino, M. T. J.,
Kujala, E., Hynynen, S. T., Absetz, P.,
Araújo-Soares, V. Borodulin, K., & Haukkala, A. (2017). What explains the socioeconomic status
gap in activity? Educational differences in determinants of physical activity
and screentime. BMC Public Health, 17(144), 1-15. https://doi.org/10.1186/s12889-016-3880-5
Hu, B. Y., Johnson, G. K., Teo, T., & Wu, Z.
(2020). Relationship between screen time and Chinese children’s cognitive and
social development. Journal of Research in Childhood Education, 34(2),
183-207. https://doi.org/10.1080/02568543.2019.1702600
Lauricella, A. R., Wartella, E., & Rideout, V. J.
(2015). Young children's screen time: The complex role of parent and child
factors. Journal of Applied Developmental Psychology, 36, 11-17. https://doi.org/10.1016/j.appdev.2014.12.001
Liu, J., Riesch, S., Tien, J., Lipman, T.,
Pinto-Martin, J., & O'Sullivan, A. (2022). Screen Media Overuse and
Associated Physical, Cognitive, and Emotional/Behavioral Outcomes in Children
and Adolescents: An Integrative Review. Journal of Pediatric Health Care, 36(2),
99-109. https://doi.org/10.1016/j.pedhc.2021.06.003
Liu, X., Luo, Y., Liu, Z. Z., Yang, Y., Liu, J., &
Jia, C. X. (2020). Prolonged mobile phone use is associated with poor academic
performance in adolescents. Cyberpsychology, Behavior, and Social
Networking, 23(5), 303-311. https://doi.org/10.1089/cyber.2019.0591
Marciano, L., & Camerini,
A. L. (2021). Recommendations on screen time, sleep
and physical activity: associations with academic achievement in Swiss
adolescents. Public Health, 198, 211-217. https://doi.org/10.1016/j.puhe.2021.07.027
Martín-Perpiñá, M. M., Viñas
Poch, F., & Malo Cerrato, S. (2019). Media multitasking impact in homework,
executive function and academic performance in Spanish
adolescents. Psicothema, 31(1),
81-87. https://doi.org/10.7334/psicothema2018.178
Ministerio de Sanidad, Consumo
y Bienestar Social (2017). Estrategia nacional sobre adicciones 2017-2024.
Madrid: Delegación del Gobierno para el Plan Nacional sobre Drogas. https://bit.ly/3dsHtpQ
O’Brien, W., Issartel, J.,
& Belton, S. (2018). Relationship between physical activity, screen time
and weight status among young adolescents. Sports, 6(3), 57. https://doi.org/10.3390/sports6030057
Odgers, C. L., & Jensen, M. R. (2020). Annual
Research Review: Adolescent mental health in the digital age: facts, fears, and
future directions. Journal of Child Psychology and Psychiatry, 61(3),
336-348. https://doi.org/10.1111/jcpp.13219
Orben, A., & Przybylski, A. K.
(2019). Screens, teens, and psychological well-being: Evidence
from three time-use-diary studies. Psychological science, 30(5),
682-696. https://doi.org/10.1177/0956797619830329
Oswald, T. K., Rumbold, A. R., Kedzior, S. G., &
Moore, V. M. (2020). Psychological impacts of “screen time” and “green time”
for children and adolescents: A systematic scoping review. PloS
one, 15(9), 1-52. https://doi.org/10.1371/journal.pone.0237725
Poulain, T., Peschel, T., Vogel, M., Jurkutat, A., & Kiess, W. (2018). Cross-sectional and
longitudinal associations of screen time and physical activity with school
performance at different types of secondary school. BMC public health, 18(1),
1-10. https://doi.org/10.1186/s12889-018-5489-3
Przybylski, A. K. (2019). Digital screen time and
pediatric sleep: evidence from a preregistered cohort study. The Journal of
Pediatrics, 205, 218-223. https://doi.org/10.1016/j.jpeds.2018.09.054
Rideout, V., & Robb, M. B. (2019). The Common Sense census: Media use by tweens and teens, 2019.
Common Sense Media.
Sanders, T., Parker, P. D., Pozo-Cruz, B., Noetel, M., & Lonsdale, C. (2019). Type of screen time moderates effects on outcomes in 4013 children: evidence
from the Longitudinal Study of Australian Children. International Journal of
Behavioral Nutrition and Physical Activity, 16(1), 1-10. https://doi.org/10.1186/s12966-019-0881-7
Saunders, T. J., McIsaac, T., Campbell, J., Douillette, K., Janssen, I., Tomasone,
J. R., Ross-White, A., Prince, S. A., & Chaput, J. P. (2022). Timing of
sedentary behaviour and access to sedentary
activities in the bedroom and their association with sleep quality and duration
in children and youth: a systematic review. Health Promotion and
Chronic Disease Prevention in Canada: Research, Policy
and Practice, 42(4), 139-149. https://doi.org/10.24095/hpcdp.42.4.03
Schulz van Endert, T. (2021) Addictive use of digital
devices in young children: Associations with delay discounting, self-control and academic performance. PLoS
ONE, 16(6), e0253058. https://doi.org/10.1371/journal.pone.0253058
Sharif, I., & Sargent, J. D. (2006). Association
between television, movie, and video game exposure and school performance. Pediatrics,
118(4), 1061-1070. https://doi.org/10.1542/peds.2005-2854
Stiglic, N., & Viner, R. M. (2019). Effects of
screentime on the health and well-being of children and adolescents: a
systematic review of reviews. BMJ open, 9(1), 1-15. https://doi.org/10.1136/bmjopen-2018-023191
Tremblay, M. S., Aubert, S., Barnes, J. D., Saunders,
T. J., Carson, V., Latimer-Cheung, A. E., Chastin, S. F. M., Altenburgo, T. M., & Chinapaw,
M. J. M. (2017). Sedentary behavior research network (SBRN)–terminology
consensus project process and outcome. International journal of
behavioral nutrition and physical activity, 14(1), 1-17. https://doi.org/10.1186/s12966-017-0525-8
Tremblay, M. S., Carson, V., Chaput, J. P., Connor Gorber, S., Dinh, T., Duggan, M., Faulkner, G., Gray, C.
E., Gruber, R., Janson, K., Jansen, I., Katzmarzyk,
P. T., Kho, M. E., Latimer-Cheung, A. E., Le Blanc, C., Okely,
A. D., Olds, T., Paté, R. R., Phillips, A, Zehr, L.
(2016). Canadian 24-Hour Movement Guidelines for Children and Youth: An
Integration of Physical Activity, Sedentary Behaviour,
and Sleep 1. Applied Physiology, Nutrition, and Metabolism, 41(6),
11-27. https://doi.org/10.1139/apnm-2016-0151
Tripathi, M., & Mishra, S. K. (2020). Screen time
and adiposity among children and adolescents: a systematic review. Journal
of Public Health, 28(3), 227-244. https://doi.org/10.1007/s10389-019-01043-x
Twenge, J. M., & Campbell, W. K. (2018).
Associations between screen time and lower psychological well-being among
children and adolescents: evidence from a population-based study. Preventive
Medicine Reports. 12, 271-283. https://doi.org/10.1016/j.pmedr.2018.10.003
Uerz, D., Volman, M., &
Kral, M. (2018). Teacher educators' competences in fostering student teachers’
proficiency in teaching and learning with technology: An overview of relevant
research literature. Teaching and Teacher Education. 70, 12-23. https://doi.org/10.1016/j.tate.2017.11.005
Wang, H., Abbey, C., She, X., Rozelle, S., & Ma,
X. (2021). Association of child mental health with child and family
characteristics in rural China: a cross-sectional analysis. International
journal of environmental research and public health, 18(10), 5107. https://doi.org/10.3390/ijerph18105107
Zapata-Lamana,
R., Ibarra-Mora, J., Henriquez-Beltrán, M.,
Sepúlveda-Martin, S., Martínez-González, L., & Cigarroa, I. (2021). Aumento
de horas de pantalla se asocia con un bajo rendimiento escolar. Andes pediatrica, 92(4), 565-575. http://dx.doi.org/10.32641/andespediatr.v92i4.3317
Zhang, M. X., & Wu, A. M.
(2020). Effects of smartphone addiction on sleep quality among
Chinese university students: The mediating role of self-regulation and bedtime
procrastination. Addictive Behaviors, 111, 106552. https://doi.org/10.1016/j.addbeh.2020.106552