Smartphone Addiction, Personality Factors, Emotional Regulation and Mental Health: Gender Based Studies
Notice bibliographique
Résumé
Introduction: The present study intends to measure gender differences in smartphone addiction, emotional regulation, mental health and personality variables. Earlier studies have focused on gender differences in variables under study. Aim: It was an attempt to revalidate the findings for fulfillment of the research objectives. Sample: The sample was drawn following some predetermined inclusion and exclusion, a sample of 100 individuals ageing between 13 to 19 years were selected. Half of them were male and half of them were females. Method: Sample was administered with 1) Smartphone addiction test by Kwon et al (2013), 2) Mental Health Inventory Veit and Ware (1983), 3) Emotional Regulation Questionnaire by James J. Gross and Oliver P (2003), 4) Big Five Inventory (Personality) by Goldberg, (1993). Along with the above measures General Health Questionnaire was also administered for screening purpose. For GHQ a cut off 4 was selected below which individuals were allowed for participation in investigation. Result: Results indicated gender differences in variables under study. Females have been found to have higher level of addiction than male. Male were found to have more distress and low in psychological well-being. Male also found to have greater emotional reappraisal and lesser emotional suppression. Conclusion: In case of personality variables males were found to be more open, conscientious and agreeable while females were found to be more prone to neuroticism.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».