MétaCan
Menu
Retour à la cohorte
Enregistrement W2772395238 · doi:10.1007/s41347-017-0041-3

Problematic Mobile Phone Use and Addiction Across Generations: the Roles of Psychopathological Symptoms and Smartphone Use

2018· article· en· W2772395238 sur OpenAlexfundno aff
Daria J. Kuss, Eiman Kanjo, Mark Crook‐Rumsey, Fraenze Kibowski, Grace Wang, Alexander Sumich

Notice bibliographique

RevueJournal of Technology in Behavioral Science · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesLeverhulme TrustBritish AcademyTrent UniversityNottingham Trent University
Mots-clésMobile phonePsychopathologyAnxietyPsychologyPhoneAddictionSocial mediaInternet privacyClinical psychologyComputer sciencePsychiatryTelecommunicationsWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Contemporary technological advances have led to a significant increase in using mobile technologies. Recent research has pointed to potential problems as a consequence of mobile overuse, including addiction, financial problems, dangerous use (i.e. whilst driving) and prohibited use (i.e. use in forbidden areas). The aim of this study is to extend previous findings regarding the predictive power of psychopathological symptoms (depression, anxiety and stress), mobile phone use (i.e. calls, SMS, time spent on the phone, as well as the engagement in specific smartphone activities) across Generations X and Y on problematic mobile phone use in a sample of 273 adults. Findings revealed prohibited use and dependence were predicted by calls/day, time on the phone and using social media. Only for dependent mobile phone use (rather than prohibited), stress appeared as significant. Using social media and anxiety significantly predicted belonging to Generation Y, with calls per day predicted belonging to Generation X. This finding suggests Generation Y are more likely to use asynchronous social media-based communication, whereas Generation X engage more in synchronous communication. The findings have implications for prevention and awareness-raising efforts of possibly problematic mobile phone use for educators, parents and individuals, particularly including dependence and prohibited use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,376
Écart entre enseignants0,339 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations199
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Technology in Behavioral ScienceMême sujetImpact of Technology on AdolescentsTravaux en français237 207