Social media and postsecondary student adoption of mental health labels: protocol for a scoping review
Notice bibliographique
Résumé
INTRODUCTION: Many postsecondary students use social media at an age when mental health issues often arise for the first time. On social media, students describe their mental states or social interactions using psychiatric language. This is a process of mental health labelling as opposed to receiving a formal diagnosis from a psychiatrist. Despite substantial literature on psychiatric labelling effects such as stigma, little research has addressed the mechanisms and effects of labelling through social media. Our objective is to summarise the existing evidence to address this gap. METHODS AND ANALYSIS: This review includes articles in English published since 1995 on how postsecondary students interact with mental health labels in their use of social media. We will consider empirical studies and theses. The search strategy includes SCOPUS, PubMed, OVID MEDLINE (to access APA PsycINFO), Web of Science and ProQuest Global Dissertations and Theses. This scoping review follows the Preferred Reporting Items for Systematic Reviews and Meta-Analyses extensions for protocols and Scoping Reviews guidelines. The artificial intelligence application, Connected Papers, will assist in identifying additional references. The outcomes of interest are labelling by self or others and changes in self-concept and presentation associated with these labels. Two researchers will independently identify the included studies and extract data, solving disagreements with a third opinion. We will produce tables and narrative descriptions of the operationalisation and measurement methods of labelling and social media use, reported effects and uses of labelling, and explanatory mechanisms for the adoption of labels. ETHICS AND DISSEMINATION: This literature review does not require ethics approval. The researchers will present their findings for publication in an open-access peer-reviewed journal and at student/scientific conferences. Potential knowledge users include university students, social media users, researchers, mental health professionals and on-campus mental health services.
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 | 0,099 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,006 |
| Méta-épidémiologie (sens large) | 0,017 | 0,017 |
| Bibliométrie | 0,020 | 0,018 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,011 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,098 | 0,018 |
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 ».