调查:每天超过八小时机不离手 本地家长青少年屏幕时间过长影响睡眠和情绪

调查发现,本地家长的每日屏幕时间平均为8小时44分钟,青少年则为8小时21分钟;家长主要用于工作和娱乐,青少年则主要为了学习和娱乐。(何家俊摄)

家长和青少年每天使用电子设备超过八小时,几乎机不离手。新加坡政策研究所的一项调查显示,这不仅会对睡眠质量和情绪健康产生不良影响,还增加了孤独感。

不过,调查也发现,屏幕时长和所带来的负面影响之间的关系并不直接。换言之,电子设备使用时间的长短并不一定导致更大的负面影响。

研究报告建议,与其关注电子设备使用时长,不如着重提倡健康的线上和线下活动。家长也应提早干预,例如为孩童提供电子设备前,启动内置家长控制功能。

政策研究所进行这项调查,旨在了解电子设备使用与本地居民幸福感和家庭关系之间的关联。其中一个研究环节是去年9月和10月展开的问卷调查。

调查发现,本地家长的每日屏幕时间平均为8小时44分钟,青少年则为8小时21分钟;家长主要用于工作和娱乐,青少年则主要为了学习和娱乐。

智能手机、电脑和笔记本电脑及平板电脑,是受访者最常用的电子设备;学习和工作、娱乐,以及社交网络活动,则为三大主要用途。约三成家长与青少年认为,他们的每日屏幕时间太长。

家长通常采用不同方法来限制孩子使用电子设备,最常见的是给予提醒、规定用餐和入睡前不使用电子设备,或没收电子设备。

使用设备为减压 但压力有增无减

约有1000名家长参与调查,当中半数的一名13岁至19岁的孩子也接受调查。为了确保能与低收入家庭进行有意义的比较,凸显社会经济差异,研究员也另外访问了195名低收入家庭的家长。

约半数家长和近六成青少年表示,他们是通过使用电子设备来减压。但讽刺的是,他们本身也认为长时间盯着屏幕会导致做事拖延、注意力不集中、身体不适以及家庭不和,压力有增无减。

此外,不少人承认,使用电子设备导致他们经常忽略户外活动,无法完成任务。

研究人员说,使用电子设备已经是日常生活的一部分,本应带来与人保持联系、学习、生活便利和创造力等多方面的益处。研究报告的目标并非鼓励完全不用电子设备,而是抑制过度使用,及减少过度使用带来的危害,尤其是对健康、睡眠和家庭关系的危害。

研究人员指出,线下活动可作为重要缓冲,减轻长时间使用电子设备的潜在危害。电子设备使用者应在线上和线下活动之间维持健康平衡,多参与面对面社交、运动和兴趣爱好等,而非仅仅被动刷手机和接收资讯。

研究建议家长结合科技与沟通 引导孩子健康上网

研究报告建议,父母可借助科技的力量来确保孩子负责任地使用电子设备,例如启动设备内置的家长控制功能,或利用第三方应用指导。不过,这些工具须结合开诚布公的沟通,才能发挥最大效用。

“让青少年参与设定限制并解释背后原因,有助于建立信任与合作。定期讨论健康、幸福感和日常责任等课题,则可帮助青少年认识过度使用电子设备的影响。”

开放的对话也意味着,父母须积极倾听青少年所关心的事项,并根据情况调整限制电子设备使用的策略。

研究报告也认为,学校可将数码健康和数码素养纳入课程,帮助学生学习良好使用电子设备。

数码平台则应该对年轻用户实施更安全的默认设置,例如限制自动播放和无限滚动,并提供透明和易于使用的家长控制功能。

【联合早报】

内容概要:本文围绕“基于改进秃鹰算法的微电网群经济优化调度”展开研究,提出了一种改进的秃鹰搜索算法(BES),旨在解决微电网群在复杂运行环境下的多目标、强约束、非线性及高维经济调度问题。通过引入特定优化策略,增强了基础算法的全局搜索能力收敛效率,克服了传统智能算法易陷入局部最优的缺陷。研究构建了一个包含分布式电源、储能系统与多元负荷的微电网群调度模型,以最小化系统综合运行成本为核心目标,综合考虑功率平衡、设备出力能力、储能运行特性等多重约束条件。通过仿真实验验证了所提算法在调度精度、稳定性计算效率方面相较于传统方法具有明显优势,并进一步展示了其在降低能源开支、提升可再生能源消纳水平方面的实际应用价值。; 适合人群:具备一定电力系统基础知识或优化算法背景,从事新能源调度、智能优化算法研究与应用等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网群、综合能源系统等场景下的经济调度优化;②为秃鹰算法及其他群体智能算法的改进、复现与性能对比提供参考范例;③服务于科研仿真、算法验证及工程化应用需求。; 阅读建议:建议读者结合文中提供的Matlab代码实现进行实践操作,重点关注算法改进机制与调度模型的构建逻辑,同时可借助网盘资源获取完整资料,以加深对算法性能表现与应用场景的理解。
内容概要:本文围绕“多种改进粒子群算法在深度神经网络卸载策略中的比较研究”展开,系统探讨了边缘计算环境下基于启发式优化算法的DNN任务卸载问题。文章首先剖析了传统粒子群算法(PSO)的基本原理及其在收敛性全局搜索能力方面的局限性,继而深入介绍四种代表性改进算法:自适应权重PSO、混合遗传PSO、模拟退火PSO以及多目标PSO,详述其在提升寻优效率、增强鲁棒性及应对复杂多约束场景下的机制与优势。研究通过构建DNN卸载模型,设计多维度性能评估体系,在延迟、能耗、资源利用率等关键指标上对各类算法进行对比实验分析,进而提出面向同应用场景的算法选型策略与优化建议。该工作为边缘智能系统中的计算任务调度提供了理论支撑与实践指导。; 适合人群:具备一定人工智能与优化算法基础,从事边缘计算、物联网、智能系统优化等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:① 掌握多种改进粒子群算法的核心思想与实现机制;② 理解深度神经网络在边缘-云协同环境下的任务卸载建模方法;③ 学习如何通过仿真实验对比同启发式算法的性能差异,并根据实际需求选择最优算法方案; 阅读建议:建议结合提供的Matlab代码实现进行动手实践,重点关注算法参数调优、适应度函数设计及实验结果可视化分析过程,以深入理解算法行为与系统性能之间的内在关联。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

std86021

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值