MétaCan
Menu
Retour à la cohorte
Enregistrement W3007704617 · doi:10.1016/j.abrep.2020.100267

How maladaptive cognitions contribute to the development of problematic social media use

2020· article· en· W3007704617 sur OpenAlexaff
Giulia Fioravanti, Gordon L. Flett, Paul L. Hewitt, Laura Rugai, Silvia Casale

Notice bibliographique

RevueAddictive Behaviors Reports · 2020
Typearticle
Langueen
DomainePsychology
ThématiquePerfectionism, Procrastination, Anxiety Studies
Établissements canadiensUniversity of British ColumbiaYork University
Organismes subventionnairesnon disponible
Mots-clésPsychologyFeelingPessimismCognitionPerceptionSocial anxietySocial cognitionSocial mediaPreferenceSocial cognitive theorySocial psychologyDevelopmental psychologyClinical psychologyAnxiety

Résumé

récupéré en direct d'OpenAlex

The current study investigates the effects of perfectionism discrepancies (PD) and social hopelessness (SH) on problematic social media use as conceptualized by the cognitive-behavioral model. METHODS: A sample of 400 university students (52.3% women; mean age = 22.01 ± 1.99) completed measures assessing PD, SH, and problematic social media use. RESULTS: Structural equation modeling showed that both social hopelessness and feeling discrepant from personal and prescribed standards predicted the preference for online social interactions (POSI). POSI predicted the motivation to use online social media as a means of alleviating distressing feelings, the inability to regulate social media use and the negative outcomes resulting from use of SNS. CONCLUSIONS: In line with the cognitive-behavioral model of problematic Internet use, the present study suggests the primary importance of maladaptive cognitions about the self (i.e. perfectionism discrepancies) and the world (i.e. social hopelessness) for the development of a preference for online social interactions. In particular, the present study shows that individuals are likely to opt for online social interactions as a function of their pessimistic social expectancies and the sense of inadequacy that comes from perceptions of falling short of expectations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,769
Score d'incertitude au seuil0,699

Scores Codex et Gemma par catégorie

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

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 Opus0,071
Tête enseignante GPT0,307
Écart entre enseignants0,237 · 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 tête enseignante, 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

Citations40
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAddictive Behaviors ReportsMême sujetPerfectionism, Procrastination, Anxiety StudiesTravaux en français237 207