Hidden desires, echoed distress: Dissecting Nigeria’s sexting landscape and its ties to depression
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
In a broader context of increasing incidences of sexting-related backlashes resulting in victims’ depression and, at times, suicide in Nigeria, this study examines the prevalence, trends, and mental health implications of sexting among 700 Nigerian social media users. With the help of the Patient Health Questionnaire-9 and the Sexting Behaviors and Motives Questionnaire, we found that 58% of respondents engaged in sexting, a high percentage given the cultural conservatism of Nigeria. In addition, more than 41% admitted forwarding or having another forward sexted images or messages without the victims’ consent, increasing the risk of cyberbullying and subsequent mental health problems. In our study, we found a strong positive relationship between sexting and depression; the effects of sexting on depression differed for men and women: Men sexters exhibited higher depression levels than women. Our analysis, which employed descriptive, regression, and Structural Equation Model (SEM) methodologies, suggests that despite regional cultural disparities, sexting behaviors are surprisingly uniform across Nigeria. This study underscores the urgent need for informed strategies addressing digital privacy, security, and mental well-being in the context of sexting in Nigeria. • The study finds that 58% of Nigerian social media users engage in sexting. • Over 41% admit to forwarding sexts non-consensually, highlighting privacy concerns. • There is a correlation between sexting behaviors and symptoms of depression. • The study shows notable gender differences in sexting and depression.
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) | 0,000 | 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