The Description of Alexithymia in Nursing Students at Padjadjaran University with Social Media Addiction
Notice bibliographique
Résumé
Aim: People’s inability to recognize and express their emotions (alexithymia) seems to be a risk factor in causing social media addiction, where the higher level of social media addiction, the higher level of alexithymia. This study aims to determine the prevalence of alexithymia among nursing students at Padjadjaran University who experience social media addiction. Method: This study used a quantitative descriptive design. The research samples were 216 nursing students at Padjadjaran University who experienced social media addiction after being screened using the IAT instrument, with a total sampling technique. The instrument used to see alexithymia was TAS-20 instrument. In this study, the data are analyzed by univariate analysis and presented in the form of frequency distribution tables. Result: The result of this study showed that less than half of the respondents, which were 94 (43.5%) experienced a high level of alexithymia, with alexithymia subscales average scores were 20,68 + 7.90 for DIF, DDF 16 + 5.54, and EOT 22,52 + 8.32. Conclusion: The conclusion of this study is that respondents who experienced moderate and severe social media addiction have higher alexithymia scores. Therefore, it is necessary to have preventive and promotive solutions for nursing students who don’t or have alexithymia.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».