Instagram Participation and Substance Use Among Emerging Adults: The Potential Perils of Peer Belonging
Notice bibliographique
Résumé
Emerging adults (ages 18–29) have the highest rates of both harmful drinking and participation on social network sites (SNSs) compared to adolescents and older adults. In fact, greater SNS participation has been shown to predict greater alcohol use. Little is known, however, about noncollege samples, substances apart from alcohol, and SNSs other than Facebook. Furthermore, few studies have examined what might moderate any observed influence of SNS participation on substance use. In this study, we used hierarchical linear and negative binomial regression analyses to examine the unique associations between Instagram participation and alcohol as well as marijuana use, controlling statistically for demographic characteristics, peer norms, and social status, in a community sample of emerging adults (N = 194). We also tested whether peer belonging or motives for Instagram participation moderated these relationships. Results showed that Instagram participation was positively related to alcohol use only for those with high levels of peer belonging. The initial negative association between Instagram participation and marijuana use disappeared once peer norms and social status were included. Peer norms were positively related to both alcohol and marijuana use, while peer belonging was positively related to marijuana use. Peer belonging appears to be an important variable in the study of SNSs and substance use among emerging adults. Future work might test the somewhat counterintuitive hypotheses raised by these findings that peer belonging sensitizes individuals to SNS influences on drinking and could be a marker of greater marijuana 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».