Is Smartphone Addiction Associated with a Younger Age at First Use in University Students?
Notice bibliographique
Résumé
BACKGROUND: Recent evidence highlighted the potential of habitual smartphone use among youth to become an addiction analogous to established behavioral and substance-related addictions. While investigators revealed independent predictive effects of several sociodemographic factors, personality traits, psychological conditions, and smartphone usage patterns on smartphone addiction (SPA) in university students, none examined the independent effect of age at first smartphone use, a potential predictor variable, on subsequent development of SPA.OBJECTIVE: This study aims to examine the independent association between age at first smartphone use and SPA score in a sample of 688 Lebanese undergraduate university students.METHODS: A random sample of 688 undergraduate students selected from Notre Dame University, Lebanon filled out survey forms that included a) questions on socio-demographics, academics, smartphone use, personality type, depression, anxiety, and lifestyle habits; b) 26-item Smartphone Addiction Inventory (SPAI) Scale. Multiple linear regression analyses were used to examine the independent association between age at first use and SPA level.RESULTS: Mean age at first smartphone use was about 15 years. Younger age at first use of smartphone was found to be significantly associated with several SPA symptoms and correlated with higher total SPAI score. In the unadjusted regression model, higher total SPAI scores were found to be significantly associated with younger age at first smartphone use. This association remained significant in the partially adjusted model, but disappeared in the fully adjusted one when controlling additionally for smartphone use habits.CONCLUSION: Younger age at smartphone use did not independently predict SPA in this sample of students.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».