MétaCan
Menu
Retour à la cohorte
Enregistrement W4225420806 · doi:10.1177/02654075221093611

Relationship difficulties and “technoference” during the COVID-19 pandemic

2022· article· en· W4225420806 sur OpenAlexaff
Giulia Zoppolat, Francesca Righetti, Rhonda Nicole Balzarini, María Alonso-Ferres, Betül Urgancı, David L. Rodrigues, Anik Debrot, Juthatip Wiwattanapantuwong, Christoffer Dharma, Peilian Chi, Johan C. Karremans, Dominik Schoebi, Richard B. Slatcher

Notice bibliographique

RevueJournal of Social and Personal Relationships · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensUniversity of Toronto
Organismes subventionnairesStichting voor de Technische WetenschappenNederlandse Organisatie voor Wetenschappelijk Onderzoek
Mots-clésCoronavirus disease 2019 (COVID-19)Pandemic2019-20 coronavirus outbreakPsychologySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Social psychologyMedicineVirologyOutbreak

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic has touched many aspects of people’s lives around the world, including their romantic relationships. While media outlets have reported that the pandemic is difficult for couples, empirical evidence is needed to test these claims and understand why this may be. In two highly powered studies ( N = 3271) using repeated measure and longitudinal approaches, we found that people who experienced COVID-19 related challenges (i.e., lockdown, reduced face-to-face interactions, boredom, or worry) also reported greater self and partner phone use (Study 1) and time spent on social media (Study 2), and subsequently experienced more conflict and less satisfaction in their romantic relationship. The findings provide insight into the struggles people faced in their relationships during the pandemic and suggest that the increase in screen time – a rising phenomenon due to the migration of many parts of life online – may be a challenge for couples.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0080,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,122
Tête enseignante GPT0,348
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Social and Personal RelationshipsMême sujetImpact of Technology on AdolescentsTravaux en français237 207