Investigating Associations Between Changes in Mobile Phone Use and Emotions Using the Experience Sampling Method: Pilot Study
Notice bibliographique
Résumé
BACKGROUND: The use of mobile phones has become, especially for young people, an integrated part of everyday life. Using the experience sampling method (ESM) may provide further insight on the association between mobile phone use and mental health. OBJECTIVE: The objective of this study was to examine associations between mobile phone use and subtle changes in mental state. METHODS: The ESM-based PsyMate app was installed on the mobile phones of 2 healthy 20-year-old participants. Over a period of 3 months, participants rated their mental states at 10 semirandom moments in the flow of daily life. Each assessment included present state emotions, environmental circumstances, and phone use. RESULTS: Multilevel regression analyses indicated that an increase in mobile phone use was associated with a small increase in negative affect (particularly feeling bored and feeling lonely; P<.001) and small decreases in positive affect (P=.002) and concentration (P=.001). Treating the data as 2 separate N=1 studies revealed that the association with negative affect was present in both participants, whereas the associations with positive affect and concentration were evident in only 1 of the 2 participants. CONCLUSIONS: This pilot study suggests that mobile phone use may be associated with person-specific and group-level changes in emotional state. A larger study is required to study these associations, possible causality, and factors driving underlying heterogeneity in the pattern of associations. TRIAL REGISTRATION: ClinicalTrials.gov NCT03221985; https://clinicaltrials.gov/ct2/show/NCT03221985 (archived by WebCite at http://www.webcitation.org/6zJnp61Wj).
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».