Limiting Social Media Screen-time: Does Voluntary Reduction Impact Mental Health?
Notice bibliographique
Résumé
In recent decades, social media have become immensely popular, with the majority of young adults regularly using at least one platform.Some have claimed that heavy use of social media may adversely affect the wellbeing of young adults, but the evidence to date is mixed and weak.This has not stopped some researchers from arguing that heavy use of social media plays a meaningful, causal role in depression.To assess the validity of these claims, I conducted an experiment replicating and expanding upon the work of Hunt et al. (2018) to assess whether young adults (n = 39; 66.7% female; 66.7% MAge = 19.54) who reported symptoms of depression and/or anxiety would experience decreases in these symptoms, the fear of missing out, and increases in wellbeing after voluntarily reducing their social media screen-time for three weeks.Results indicated that, in comparison to a control group, participants in the experimental group reported marginally significant decreases in both anxiety (p = .056,η 2 = .095)and the fear of missing out (p = .054,η 2 = .097)but no significant changes in depressive symptomology or well-being.Recognizing that the sample was small, the findings suggest that cutting down on heavy use of social media may improve the mental health for symptomatic individuals.Should these results be confirmed in a larger sample, they would provide compelling evidence that heavy use of social media has negative implications for the mental health of individuals with anxiety issues.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».