Uploading Risk: Examining the Social Profile of Young Adults Most Susceptible to Engagement in Risky Social Media Challenges
Notice bibliographique
Résumé
The aim of this study was to determine the social profile of individuals who are most at risk of engaging in risky social media challenges (RSMCs). Young adults (N = 331, 56.3 percent female) aged 18–25 years (Mage = 21.4) completed an online survey in which they indicated which RSMCs they had done (e.g., Cinnamon Challenge, Fire Challenge), and completed measures of social motives (i.e., need to belong, need for popularity, and fear of missing out [FoMO]) and perceived social status (i.e., popularity and peer belonging). Results demonstrated that almost half (48.3 percent) of participants had engaged in at least one RSMC. Furthermore, findings from a latent-class analysis revealed a three-class solution. Participants in Class 1 (stable social position, low social motives) had moderate-to-high probabilities for perceived popularity and peer belonging, but low probabilities for all three social motives. Participants in Class 2 (high perceived popularity and related concerns) had the highest probability for perceived popularity, need to be popular, and FoMO, and participants in Class 3 (high need to belong) had the highest probability for need to belong, but the lowest probabilities for need to be popular and perceived popularity. Although results differed somewhat by gender, overall, and in line with hypotheses, participants in Class 2 (high perceived popularity and related concerns) were most at risk for engagement in RSMCs. Thus, results suggest that engagement in RSMCs may be more about standing out and gaining online popularity and attention than about fitting in with peers. These findings contribute to a larger conversation about the provision of popularity markers on social media (likes, views) and their ability to shape young people's behavior.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».