Alexithymia, internet addiction, and cyber-victimisation among high school students in Turkey: an exploratory study
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
Objective: The study aims to explore the interrelationships among internet addiction, cyber-victimisation, and alexithymia in high school adolescents in Turkey, emphasising the role of gender. Materials & Methods: 305 participants were surveyed via Young's Internet Addiction Test – Short Form (YIAT-SF), Toronto Alexithymia Scale (TAS-20), and the Cyberbullying Scale. The influence of gender on alexithymia, particularly in identifying and describing feelings, and its effect on internet addiction and cyber-victimisation was evaluated by path analysis. Results: There was a moderate positive correlation between YIAT-SF and TAS-20 total scores (r = 0.385, p < 0.001). YIAT-SF and TAS-20 total scores were positively correlated with CVS score (r = 0.151, p = 0.008; r = 0.140, p = 0.015, respectively). The results revealed gender significantly affects alexithymia dimensions, particularly in difficulty identifying feelings (DIF) (β = 0.14, p = 0.010) and difficulty describing feelings (DDF) (β = 0.28, p < 0.001). Moreover, DDF was found to have a substantial impact on cyber-victimisation (β = 0.32, p < 0.001), and DIF significantly influenced internet addiction (β = 0.49, p < 0.001). Conclusions: The findings highlight the importance of considering gender-specific factors when addressing Internet addiction and cyber-victimisation. Gender differences in alexithymic traits highlight the need for specific preventive and therapeutic approaches that focus on emotional recognition and expression skills.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle