A cross-sectional survey of internet use among university students
Notice bibliographique
Résumé
The last 2 decades have seen an increase in the number of reports of excessive internet use. Therefore, this study aimed to examine internet use among university students to gain more insight into the novel phenomenon of addictive internet use (AIU). Data were collected by the means of an online questionnaire sent to 4391 students. Approximately 10% of the 4391 students could be included in the statistical analysis. Of those 483 students, almost all (99.2%) used the internet, and a quarter (24.8%) showed AIU. The students used the internet mostly for information searches, random browsing, social networking, and online shopping; however, AIU was seen most often in the areas of social networking, random browsing, information searches, gaming, and pornography. One in four of the respondents showed addictive behavior in at least one area of internet use. Students with AIU in the area of random browsing were significantly less far advanced in their studies than those without AIU, and well-being was significantly poorer across AIU groups than in those who did not show AIU. The study confirms the importance of AIU, as reflected in the high prevalence of AIU among the students and the significantly lower level of well-being in those with AIU. Undifferentiated consideration of AIU does not do justice to its various facets, and future research should consider all areas of internet use, with the aim to increase understanding of the underlying mechanisms of AIU and develop more differentiated treatment approaches.
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 | 0,002 |
| 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 | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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; 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 ».