A Cross Cultural Study of Mental Health among Internet Addicted and Non-Internet Addicted: Iranian and Indian Students
Notice bibliographique
Résumé
INTRODUCTION: In the background of increasing use of internet in Asian countries, the study of psychological health in internet addicted users seems to be vital and necessary. Therefore the present study aimed to determine mental health among internet addicted and non-internet addicted Iranian and Indian students. METHODS: This cross-sectional study was conducted on 400 students in various colleges from Pune and Mumbai cities of Maharashtra. Internet Addiction Test and Symptom Check List (SCL) 90-R were used. Data were analyzed using SPSS 16. RESULTS: Internet addicted students were higher on Somatization, Obsessive-compulsive, Interpersonal sensitivity, Depression, Anxiety, Hostility, Phobic anxiety, Paranoid ideation, Psychoticism than Non-internet addicted students (P<0.05). Indian students had higher score on mental health domains compared to Iranian students (P<0.05). Female students had higher scores on Somatization, Obsessive-compulsive, Anxiety, Hostility, Phobic anxiety and Psychoticism than male students (P<0.05). CONCLUSION: Psychiatrists and psychologists who are active in the field of mental hygiene must be aware of mental problems associated with Internet addiction such as depression, anxiety, obsession, hypochondria, paranoia, interpersonal sensitivity, and job and educational dissatisfaction among Internet addicts.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».