Social Networking Addiction and Quality of Academic Life among First-Year High School Students in Saudi Arabia: The Mediating Role of Academic Procrastination
Notice bibliographique
Résumé
Students with high levels of procrastination were unable to organize and achieve their academic goals. A student who procrastinates may face internal consequences such as low academic performance, bad learning habits, and low learning motivation. When he/she is unable to address procrastination, this will hinder his/her academic performance. The study group of the research consists of 258 boys studying in high schools in the Riyadh region in the 2019-2020 academic year. They aged 16-18 years, (M= 17.23,SD= 4.45). Social Media Addiction Scale - Student Form, High-School Satisfaction Scale, and Tuckman's procrastination scale –short form were used for gathering and analyzing data. Quality of academic life correlates negatively with social networking addiction and academic procrastination. On the other hand, social networking addiction was found to be positively correlated with academic procrastination. Regression coefficients of the empirical model show that social networking addiction had a direct negative effect on the quality of academic life (b= -0.49, p<0.001) and a direct positive effect on academic procrastination (b=0.52, p<0.001). Results support previous research showing that social networking addiction negatively impacts academic achievement by creating academic procrastination, reducing sleep quality, and increasing academic stress. Evidence indicates a positive and significant correlation between inappropriate and problematic use of technology and quality of academic life. Procrastination may interrupt the academic performance, as procrastinators are likely to avoid completing the task at Hand until the last moment. They may also be unable to invest the time and effort necessary for performing as they underestimate the amount of time required for completing specific tasks.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».