MétaCan
Menu
← Retour à la cohorte
Enregistrement W3118629099 · doi:10.5539/gjhs.v13n3p8

Smartphone Addiction and Life Satisfaction: Mediating Effects of Sleep Quality and Self-Health

2021· article· en· W3118629099 sur OpenAlexvenueno aff
Jianfei Cao, Yeongjoo Lim, Kota Kodama

Notice bibliographique

RevueGlobal Journal of Health Science · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Land, Infrastructure, Transport and TourismÉcole des Hautes Etudes en Sciences Sociales
Mots-clésAffect (linguistics)PopularitySmartphone addictionAddictionIntervention (counseling)PsychologySleep (system call)Quality of life (healthcare)Sleep qualityLife satisfactionClinical psychologyGerontologyMedicinePsychiatrySocial psychologyInsomniaPsychotherapistComputer science

Résumé

récupéré en direct d'OpenAlex

As the popularity of smartphones grows, so does the number of people who are addicted to them. Although many studies have indicated that the various problems associated with smartphone addiction can negatively affect life satisfaction, this result is not absolute. This study surveyed 114 Chinese alumni of a Japanese university and analyzed the mediating effects of sleep quality and self-health on the relationship between smartphone addiction and life satisfaction. Results indicated that smartphone addiction did not affect life satisfaction, neither directly nor indirectly through sleep quality and self-health. This finding was different from those of previous studies. In addition, the results indicated that smartphone addiction directly affects sleep quality, and that smartphone addiction can affect self-health either directly or indirectly through sleep quality. Based on this finding, we believe that intervention in the excessive use of smartphones is an effective means to improve the physical fitness of people.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,020
Tête enseignante GPT0,376
Écart entre enseignants0,357 · 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 source (Gemma direct ou Codex distillé), 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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health Science→Même sujetImpact of Technology on Adolescents→Travaux en français237 207→