The interconnection between social media addiction, alexithymia and empathy in medical students
Notice bibliographique
Résumé
Introduction: This study explores whether high alexithymia values correlate with low levels of empathy, while also trying to identify potential connections with social media addiction. Methods: We hypothesized that alexithymia mediates the relationship between social media addiction and empathy levels in a sample of undergraduate students. The study population consisted of 649 medical students in the 4th/5th/6th University year, recruited between March and May 2021. For this assessment, we employed three psychometric instruments: the Toronto Empathy Questionnaire (TEQ), the Social Media Addiction Scale-Student Form (SMAS-SF), and the Toronto Alexithymia Scale (TAS-20). A pathway analysis investigated alexithymia as a mediator between social media addiction and the degree of empathy in medical undergraduates. Sobel's test and the Baron and Kenny approach were used for testing mediation. Results: The TEQ total mean score was 48.76 ± 5.65, while the TAS-20 total mean score was 47.71 ± 11.49. Further analysis of the TAS-20 scale scores showed that 21.42% of students had possible alexithymia, while 14.02% had clear alexithymia. The SMAS-SF total mean score was 73.20 ± 14.59. None of the students reported levels consistent with major social media addiction. The mediated effect of the TAS-20 is about 1.3 times larger than the direct effect of the SMAS-SF on TEQ. Discussion: We found a significant negative correlation between empathy and alexithymia in medical students. Alexithymia was a mediator between social media addiction and empathy. Therefore, we recommend further efforts to identify potential levels of alexithymia in medical students, in order to successfully develop tailored interventions aimed at increasing their emotional awareness.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».