Online dating: predictors of problematic tinder use
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Geolocation apps have radically transformed dating practices around the world, with profound sociocultural implications. Few studies, however, have explored their addictive potential or factors that are associated with their misuse. OBJECTIVE: The present study aimed to assess the level of problematic Tinder use (PTU) in an adult sample, using a machine learning algorithm to determine, among 29 relevant variables, the most important predictors of PTU. METHODS: 1,387 users of Tinder (18-74 years-old; male = 50.3%; female = 49.1%) completed an online questionnaire, and a machine learning tool was used to analyze their responses. RESULTS: On 5-point scale, participants' mean PTU score was 1.91 (SD = 0.70), indicating a relatively low overall level of problematic app use. Among the most important predictors of Problematic use were the use of Tinder for enhancement (reduce boredom and increase positive emotions), coping with psychological problems, and increasing social connectedness. The number of "matches" (when two users show mutual interest), the number of online contacts on Tinder, and the number of resulting offline dates were also among the top predictors of PTU. Depressive mood and loneliness were among the middle-ranked predictors of PTU. CONCLUSION: In accordance with the Interaction of Person-Affect-Cognition-Execution model of problematic internet use, the results suggest that PTU relates to how individual experience on the app interacts with dispositional and situational characteristics. However, variables that seemed to relate to PTU, including lack of self-esteem, negative mood states and loneliness, are not problems that online dating services as currently designed can be expected to resolve. This argues for increased digital services to identify and address potential problems helping drive the popularity of dating apps.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,011 | 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 découle