When Every Day is a High School Reunion: Social Media Comparisons and Self-Esteem
Notice bibliographique
Résumé
Although past research has shown that social comparisons made through social media contribute to negative outcomes, little is known about the nature of these comparisons (domains, direction, and extremity), variables that determine comparison outcomes (post valence, perceiver’s self-esteem), and how these comparisons differ from those made in other contexts (e.g., text messages, face-to-face interactions). In four studies (N=798), we provide the first comprehensive analysis of how individuals make and respond to social comparisons on social media, using comparisons made in real-time while browsing news feeds (Study 1), experimenter-generated comparisons (Study 2), and comparisons made on social media vs. in other contexts (Studies 3-4). More frequent and more extreme upward comparisons resulted in immediate declines in self-evaluations as well as cumulative negative effects on individuals’ state self-esteem, mood, and life satisfaction after a social media browsing session. Moreover, downward and lateral comparisons occurred less frequently and did little to mitigate upward comparisons’ negative effects. Furthermore, low self-esteem individuals were particularly vulnerable to making more frequent and more extreme upward comparisons on social media, which in turn threatened their already-lower self-evaluations. Finally, social media comparisons resulted in greater declines in self-evaluation than those made in other contexts. Together, these studies provide the first insights into the cumulative impact of multiple comparisons, clarify the role of self-esteem in online comparison processes, and demonstrate how the characteristics and impact of comparisons on social media differ from those made in other contexts.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».