Increases in Serious Psychological Distress among Ontario Students between 2013 and 2017: Assessing the Impact of Time Spent on Social Media
Notice bibliographique
Résumé
OBJECTIVE: The objective of the current research was to examine the association between time spent on social media and serious psychological distress between 2013 and 2017, a period when the rates of both were trending upward. METHODS: = 15,398). Multivariate logistic regression models were used to examine the association between time spent on social media and serious psychological distress controlling for theoretically relevant covariates. Interactions were tested to assess whether the association changed over time. RESULTS: The prevalence of serious psychological distress increased from 10.9% in 2013 to 16.8% in 2017 concomitantly with substantial increases in social media usage, especially at the highest levels. In the multivariate context, we found a significant interaction between social media use and the survey year which indicates that the association between time spent on social media and psychological distress has decreased from 2013 to 2017. CONCLUSION: Although both social media use and psychological distress increased between 2013 and 2017, the interaction between these variables indicates that the strength of this association has decreased over time. This finding suggests that the higher rate of heavy social media use in 2017 compared to 2013 is not actually associated with the higher rate of serious psychological distress during the same time period. From a diffusion of innovation perspective, it is possible that more recent adopters of social media may be less prone to psychological distress. More research is needed to understand the complex and evolving association between social media use and psychological distress. Researchers attempting to isolate the factors associated with the recent increases in psychological distress could benefit from broadening their investigation to factors beyond time spent on social media.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».