The Effects of Attachment, Temperament, and Self-Esteem on Technology Addiction: A Mediation Model Among Young Adults
Notice bibliographique
Résumé
Excessive use of technology has become a worldwide problem due to its high prevalence, fast growth rate, and undesirable consequences. However, little is known about underlying psychological mechanisms that maintain excessive use of technology. We investigated the mediating role of self-esteem, novelty seeking, and persistence on the relationship between attachment dimensions and technology addiction among young adults. Data were collected from 727 young adults (females, N = 478; 66.3 percent), aged 23.44 ± 3.02 years. Participants completed self-report measures of secure and insecure attachment dimensions, personality, and temperament characteristics (i.e., self-esteem, novelty seeking, and persistence), technology addiction and frequency of technology use (i.e., own technology use, perceived use by peers and parents). The mediation model was tested through a path analysis. The effects of attachment insecurity on technology addiction were partially mediated by the levels of persistence and self-esteem, whereas the effects of attachment security on technology addiction were fully mediated. The effects remained robust even after controlling for the frequency of technology use. The model was gender and age invariant, suggesting that the mediation worked in a similar way for both men and women and across ages. Findings suggest that attachment dimensions exert not only a direct but also an indirect effect on technology addiction through self-esteem and persistence. Such findings may help to develop psychosocial interventions that are sensitive to young adults' attachment, personality, and temperament characteristics.
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 | 0,000 |
| 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 | 0,004 | 0,001 |
| 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 ».