Social Media as a Predictor of Depression Rates Among Male Versus Female Adolescents During the COVID-19 Pandemic
Notice bibliographique
Résumé
Technology use has drastically and progressively increased as the COVID-19 pandemic has continued to unfold. Adolescents are now reliant on technology for their education, in addition to communication with friends and family (Pfefferbaum & North, 2020). With the recency of the pandemic, research on the effects of increased internet and social media use for adolescent mental health is decidedly underdeveloped. This study aimed to fill the research gap by examining how the frequency of male and female adolescents’ social media use is associated with depression rates during the pandemic by using a longitudinal design. Participants for this study included 351 adolescents, ages 14-19, residing in Ontario, Canada. Participants completed two surveys: the first (Time 1) was conducted between April 4th to April 16th, 2020, approximately three weeks following secondary school closures in Ontario, Canada due to the COVID-19 pandemic. The second survey (Time 2) was conducted between August 21st and September 6th, approximately six months following the first lockdown orders. The findings indicate that, in line with hypotheses, females engaged in more social media use and experienced greater depression than males. Regression analyses further revealed that Time 1 social media use was a significant predictor of Time 2 depression in females only. Strengths, weaknesses, implications, intervention strategies, and future directions for research addressing social media and depression are also discussed.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».