Examining the Qualities of Online and Offline Friendships: A Comparison Between Groups
Notice bibliographique
Résumé
Online social technologies are now used by a majority of individuals in the U.S. (Pew, 2018a). Sending emails, texting, posting on social media sites, and connecting with others through online gaming open up our social networks to a wider range of individuals. As a result, it is not uncommon to develop friendships with others that are conducted primarily in an online environment. However, we know little about the qualities of online friendships and how they may, or may not, differ from traditional face to face friendships. The present study focused on exploring friendship quality in online and offline domains using two different groups: a gamer group and a non-gamer group that used non-gaming applications to connect with others online. All participants completed a demographic questionnaire to gather information about their online and face to face friendships, the McGill Friendship Questionnaire (Mendelsohn and Aboud, 2014) for their closest online and offline friends and measures of happiness, anxiety, and depression. In Study 1, within group comparison found that gamers’ online friendships were of significantly higher quality than their offline friendships. For non-gamers, the opposite results were found. A second study was done using a larger, non-college-based sample. Results of Study 2 found that for gamers and non-gamers offline friendships were of higher quality than online friendships, although both types of friendships existed in both groups. There were no differences between groups in general life happiness, anxiety or depression. Suggestions for follow-up research are presented.
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 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».