Using Digital Media to Improve Adolescent Resilience and Prevent Mental Health Problems: Protocol for a Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Global databases show a high prevalence of mental health problems among adolescents (13.5% among those aged 10-14 years and 14.65% for those aged 15-19 years). Successful coping depends on risk and protective factors and how their interaction influences resilience. Higher resilience has been shown to correlate with fewer mental health problems. Digital mental health interventions may help address these problems. OBJECTIVE: This protocol serves as a framework for planning a scoping review to map the types of digital communication media and their effectiveness in increasing resilience in youths. METHODS: The Joanna Briggs Institute guidelines will be used: defining the research questions; identifying relevant studies; study selection (we will select articles based on titles and abstracts); charting the data; collating, summarizing, and reporting the results; and consultation. The synthesis will focus on the type of digital media used to increase adolescent resilience skills and the impact they have on adolescent resilience skills. Quantitative and qualitative analyses will be conducted. RESULTS: The study selection based on keywords was completed in December 2023, the study screening and review were completed in February 2024, and the results manuscript is currently being prepared. This scoping review protocol was funded by the Center for Higher Education Funding and the Indonesia Endowment Fund for Education. CONCLUSIONS: The results of the study will provide a comprehensive overview of commonly used digital media types and their effectiveness in increasing youth resilience. Thus, the results of this scoping review protocol can serve as foundational evidence in deciding further research or interventions. This study may also be used as a guideline for mapping and identifying the type and impact of communication media used to increase adolescents' resilience skills. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/58681.
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 | 0,107 | 0,107 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,006 |
| Méta-épidémiologie (sens large) | 0,010 | 0,013 |
| Bibliométrie | 0,013 | 0,011 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,009 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,096 | 0,020 |
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 ».