Understanding University Students’ Experiences, Perceptions, and Attitudes Toward Peers Displaying Mental Health–Related Problems on Social Networking Sites: Online Survey and Interview Study
Notice bibliographique
Résumé
BACKGROUND: College students' mental health is at an all-time low. Students are increasingly disclosing their vulnerable, stigmatizing experiences on online social networking sites (SNSs). Peer support facilitated by SNSs can play a crucial role for the students in coping with mental health-related problems. Thus, it is imperative to understand how university students form perceptions, attitudes, and behaviors toward their peers who are dealing with mental health problems. OBJECTIVE: This study aimed to provide a better understanding of how college students recognize, perceive, and react to signs of mental health problems in their peers on SNSs. Our ultimate goal in this study was to inform the design of SNSs that can facilitate online peer support. METHODS: We conducted surveys with 226 students as well as semistructured interviews with 20 students at six universities in South Korea. RESULTS: Of the 226 survey respondents, 150 (66.4%) reported that they recognized signs of a mental health problem on their friends' SNS posts. However, a considerable number of respondents (62/150, 41.3%) were reluctant to offer support, even when they had identified friends who were at risk; this reluctance was due to a lack of knowledge or confidence and their desire to maintain a distance from at-risk peers to save their identity from stigmatization and to avoid emotional contagion online. CONCLUSIONS: Drawing on these results, we provide implications that could explain the construction of students' perceptions regarding their peers' mental health problems. We also provide design proposals for SNSs to serve as platforms that facilitate just-in-time and adaptive support exchanges among peers while mitigating stigma-related concerns.
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 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».