Adolescents' Intense and Problematic Social Media Use and Their Well-Being in 29 Countries
Notice bibliographique
Résumé
PURPOSE: This study examined (1) whether intense and problematic social media use (SMU) were independently associated with adolescent well-being; (2) whether these associations varied by the country-level prevalence of intense and problematic SMU; and (3) whether differences in the country-level prevalence of intense and problematic SMU were related to differences in mobile Internet access. METHODS: = 13.5) from 29 countries that participated in the 2017/2018 Health Behaviour in School-aged Children (HBSC) survey. Intense SMU was measured by the time spent on social media, whereas problematic SMU was defined by symptoms of addiction to social media. Mental (life satisfaction and psychological complaints), school (school satisfaction and perceived school pressure), and social (family support and friend support) well-being were assessed. Country-level data came from aggregated individual-level data and data from the Organisation for Economic Co-operation and Development (OECD) on Internet access. RESULTS: Two-level regression analyses indicated that in countries with a lower prevalence of intense SMU, intense users reported lower levels of life satisfaction and family support and more psychological complaints than nonintense users. In contrast, in countries with a higher prevalence of intense SMU, intense users reported higher levels of family support and life satisfaction than nonintense users, and similar levels of psychological complaints. In all countries, intense users reported more friend support than nonintense users. The findings regarding problematic SMU were more consistent: In all countries, problematic users reported lower well-being on all domains than nonproblematic users. Observed differences in country-level prevalence rates of intense and problematic SMU could not be explained by mobile Internet access. CONCLUSIONS: Adolescents reporting problematic SMU are particularly at risk of lower well-being. In many countries, intense SMU may be a normative adolescent behavior that contributes positively to specific domains of their well-being.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».