Gaming as a coping strategy during the COVID-19 pandemic
Notice bibliographique
Résumé
Early in the COVID-19 pandemic, social interactions were constrained by physical distancing guidelines. Consequently, some individuals may have turned to video games to cope with isolation and negative emotions. Previous studies have shown that people who struggle with anxiety and depression are at particular risk for developing problem gaming behaviours. However, there is a paucity of longitudinal research testing pathways from negative emotionality to problem gaming behaviours, especially during the COVID-19 pandemic. Accordingly, we conducted a multi-wave longitudinal study and predicted that high levels of emotional vulnerability (anxiety and depression) in the first month of the pandemic would prospectively relate to elevated time spent gaming and related problems six months later. We also predicted that elevated coping motives for gaming would mediate these associations. A sample of 332 Canadian gamers (Mage = 33.79; 60.8% men) completed three surveys on Prolific, with the first occurring in April 2020 (one-month after the declared COVID-19 state of emergency) and subsequent surveys were spaced three months apart. High initial levels of emotional vulnerability predicted excessive time spent gaming, as well as related problems, six months into the pandemic. Elevated coping motives for gaming uniquely mediated these pathways. This longitudinal study is the first to show that negative emotionality was a vulnerability factor for coping-related problem gaming during the COVID-19 pandemic. As we continue to cope with the longer-lasting impacts of the pandemic, it will be important for individuals who struggle with mood and anxiety issues to find more effective ways of coping.
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 | 0,015 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».