MétaCan
Menu
Retour à la cohorte
Enregistrement W4382894062 · doi:10.5817/cp2023-3-8

Instant messaging and relationship satisfaction across different ages and cultures

2023· article· en· W4382894062 sur OpenAlexaff
Christin‐Melanie Vauclair, Maksim Rudnev, Joep Hofhuis, James H. Liu

Notice bibliographique

RevueCyberpsychology Journal of Psychosocial Research on Cyberspace · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology Use by Older Adults
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesFundação para a Ciência e a TecnologiaAsian Office of Aerospace Research and Development
Mots-clésEmbeddednessAutonomyMultilevel modelPsychologySocial psychologyWorld Values SurveyPhenomenonScale (ratio)Survey data collectionLife satisfactionSociologyGeographyPolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

Research suggests that using IM is generally beneficial for maintaining personal relationships, yet well-being benefits are likely to be conditional on micro- and macro-level variables. This study investigates the link between IM use and relationship satisfaction across age groups using survey data collected from 19 countries (N = 20,358, age range 18–94, Mage = 41.0, SD = 14.6). The multilevel regression results revealed that (1) overall IM use with strong ties is positively related to individuals' satisfaction with their relationships across all countries and (2) this link is weaker among older people compared to younger ones. The hypothesized cross-level interactions were not statistically significant overall, yet comparing individual countries (e.g., Germany and Indonesia), which are on the opposite ends of the autonomy-embeddedness value dimension, suggests that the use of IM might indeed be more important for relationship satisfaction in more embeddedness-oriented cultures and relationship benefits may be more similar across age groups than in autonomy-oriented cultures. More large-scale cross-cultural studies and multilevel theories are needed to arrive at a more contextualized understanding of IM as a global communication phenomenon.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,503
Écart entre enseignants0,388 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCyberpsychology Journal of Psychosocial Research on CyberspaceMême sujetTechnology Use by Older AdultsTravaux en français237 207