Associations between problem technology use, life stress, and self-esteem among high school students
Notice bibliographique
Résumé
BACKGROUND: Adolescence is a critical period for development, with many risk factors resulting in long-term health consequences, particularly regarding mental health. The purpose of this study was to examine the associations between problem technology use, life stress, and self-esteem in a representative sample of adolescents residing in Ontario, Canada. METHODS: Self-reported data were obtained from a cross-sectional sample of 4,748 students (57.9% females) in grades 9 to 12 (mean age: 15.9 ± 1.3 years) who participated in the 2019 Ontario Student Drug Use and Health Survey. Problem technology use was measured using the 6-item Short Problem Internet Use Test, life stress was assessed using an item from the British Columbia Adolescent Health Survey and self-esteem was assessed using a global measure from the Rosenberg Self-Esteem Scale. Ordinal logistic regression models were adjusted for age, sex, ethnoracial background, subjective socioeconomic status, body mass index z-score, tobacco cigarette smoking, alcohol consumption and cannabis use. RESULTS: We found that 18.3% of participants reported symptoms of moderate-to-high problem technology use, although symptoms were more common in females than males (22% vs. 14.7%, respectively). Moderate-to-high problem technology use was associated with 2.04 (95% CI: 1.77-2.35) times higher odds of reporting high life stress and 2.08 (95% CI: 1.76-2.45) times higher odds of reporting low self-esteem compared to all other response options. CONCLUSIONS: Findings from this study show that problem technology use is strongly associated with higher life stress and lower self-esteem in adolescents. This study supports the importance of developing and implementing effective strategies that help to mitigate the adverse effects of problem technology use on adolescent mental health.
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 | 0,000 | 0,002 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».