Alone with my phone? Examining beliefs about solitude and technology use in adolescence
Notice bibliographique
Résumé
In this study, we examined how technology impacts adolescents’ perceptions of, and affective responses to solitude, as well as how adolescents’ own motivations for solitude (shyness, affinity for aloneness) were related to these reactions. Participants were N = 437 adolescents (297 girls; M age = 16.15 years, standard deviation ( SD) = .50) who were presented with a series of hypothetical vignettes asking them to imagine themselves in the context of pure solitude (alone in their room with the door closed), as well as being physically alone but engaged in increasing levels of virtual social engagement, including passive (e.g., watching videos, scrolling, but no direct social engagement), active (e.g., texting), and audio-visual (e.g., Facetime) technology use. Following each vignette, participants reported their perceptions of being alone and positive/negative affective responses. We also measured general motivations for solitude (shyness, affinity for aloneness). Among the results, adolescents perceived themselves as less alone in vignettes depicting increasing virtual social engagement. Affective benefits of increased virtual engagement were also found (e.g., less loneliness/boredom/sadness, greater social connection/contentment). However, these effects were moderated by solitude motivations, with different patterns evident as a function of participant shyness and affinity for aloneness. Findings highlight the importance of considering the nature of adolescents’ technology use when alone, as well as motivations for solitude, when considering links between solitude and well-being.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».