The Effects of Self-Control and Self-Awareness on Social Media Usage, Self-Esteem, and Affect
Notice bibliographique
Résumé
Background: With the increase in social media usage due to the COVID-19 pandemic, investigation into factors that mitigate excessive and problematic usage is warranted. Factors such as self-awareness were included in the analysis of social media usage as it leads individuals to focus on personal ideal standards, begging the question as to whether high self-awareness limits problematic social media usage. Self-control, strengthened by self-awareness, was measured to examine its involvement in limiting excessive social media usage. Self-esteem and affect were included in analyses as they have never been examined in relation to both self-awareness and social media usage. It was hypothesized that self-awareness would be negatively related to social media usage, given self-control levels are high. Furthermore, self-awareness would be positively related to self-control, self-esteem, and affect, given social media usage is low. Methods: 125 psychology students (73.6% female) completed scales on self-awareness, social media usage, self-esteem, self-control, and affect. Linear regressions with moderation and mediation were conducted. Results: No moderation occurred but it was found that self-control mediated the relationship between self-awareness and social media usage. Self-awareness was positively related to self-esteem, self-control, and positive affect. Social media usage was not significantly related to self-esteem, positive affect, or negative affect. Self-control acted as a mediator in numerous analyses involving self-awareness and social media usage. Conclusions: Self-awareness promotes self-control, resulting in reduced social media usage. Future research should focus on cultivating self-awareness and the consequent self-control to help avoid the negative outcomes associated with social media usage (e.g., reduced self-esteem).
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».