Problematic Internet Use among Adults: A Cross-Cultural Study in 15 Countries
Notice bibliographique
Résumé
BACKGROUND: The present study compared adult usage patterns of online activities, the frequency rate of problematic internet use (PIU), and risk factors (including the psychopathology associated with PIU, i.e., distress and impulsivity) among adults in 15 countries from Europe, America, and Asia. METHODS: A total of 5130 adults from Belgium, Finland, Germany, Italy, Spain, France, Switzerland, Hungary, Poland, UK, Norway, Peru, Canada, US, and Indonesia completed an online survey assessing PIU and a number of psychological variables (i.e., depression, anxiety, stress, and impulsivity). The sample included more females, with a mean age of 24.71 years (SD = 8.70). RESULTS: PIU was slightly lower in European countries (rates ranged from 1.1% in Finland to 10.1% in the UK, compared to 2.9% in Canada and 10.4% in the US). There were differences in specific PIU rates (e.g., problematic gaming ranged from 0.4% in Poland to 4.7% in Indonesia). Regression analyses showed that PIU was predicted by problematic social networking and gaming, lack of perseverance, positive urgency, and depression. CONCLUSIONS: The differences in PIU between countries were significant for those between continental regions (Europe versus non-European countries). One of the most interesting findings is that the specific PIU risks were generally low compared to contemporary literature. However, higher levels of PIU were present in countries outside of Europe, although intra-European differences existed.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».