MétaCan
Menu
Retour à la cohorte
Enregistrement W3147248945 · doi:10.33137/jns.v2i1.34904

Review on the Effects of Increased Social Media Use on Depressive Symptoms in Adolescents

2021· article· en· W3147248945 sur OpenAlexaffvenue
Aqsa Zahid

Notice bibliographique

RevueUTSC s Journal of Natural Sciences · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionPsychologyMental healthDepressive symptomsClinical psychologyPopulationSocial mediaPsychiatryMedicineAnxiety

Résumé

récupéré en direct d'OpenAlex

Social media (SM) allow individuals to connect with one another through online networking. SM has its benefits in regard to knowledge accumulation and effective communication with all persons at the global scale. However, increased use of SM can have detrimental effects among the adolescent population, specifically in terms of their mental health status. The purpose of the present review is to examine the literature in terms of the influence of increased SM use on the rates of depressive symptoms found in adolescents. During this review, approximately 40 articles were initially reviewed to examine whether or not they meet the primary evidence base criteria for the present literature review. The primary evidence base has been defined as follows: primary research articles published after 2015 in which DS in adolescents who use SM are examined. Based on these criteria, seven articles were located and reviewed. Overall, it has been generally found that an increase in SM use is associated with an increase in rates of depressive symptoms (DS) in adolescents. This finding is crucial as it brings forth the notion that SM may have a strong correlation with DS in a large percentage of adolescents globally. Hence, psychological experts (e.g. therapists, psychologists, clinical psychologists, psychiatrists) should consider investigating SM use levels from their clients prior to applying therapeutic interventions.

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)0,002
score de la tête « metaresearch » (Gemma)0,016
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,278
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,021
Tête enseignante GPT0,325
Écart entre enseignants0,303 · 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.

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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUTSC s Journal of Natural SciencesMême sujetImpact of Technology on AdolescentsTravaux en français237 207