The Influence of Alexithymia on the Tendency of Social Media Addiction in Early Adults in Karawang
Notice bibliographique
Résumé
The internet offers numerous features that simplify activities like communication, information retrieval, and transactions, making social media increasingly accessible. In Indonesia, individuals in their productive years, particularly early adulthood, dominate internet usage. This phase is characterized by repetitive behaviors, which can escalate the intensity of social media use and potentially lead to addiction. One factor influencing this tendency is alexithymia. This study aims to explore the impact of alexithymia on social media addiction tendencies among early adults in Karawang. Employing a quantitative causality design, the research utilized non-probability sampling, specifically snowball sampling, to gather data from 385 respondents aged 20-30 years residing in Karawang. The Toronto Alexithymia Scale (TAS) was used to measure alexithymia, while the Bergen Social Media Addiction Scale (BSMAS) assessed social media addiction tendencies. Reliability was tested using Cronbach's Alpha, with a threshold of > 0.08, while normality was evaluated through the Kolmogorov-Smirnov test at a 5% significance level. Linearity was assessed using an ANOVA test, yielding a significance of 0.468 > 0.05. The results of the simple linear regression test showed a significance value of 0.000 < 0.05, confirming the hypothesis that alexithymia significantly influences social media addiction tendencies in early adulthood in Karawang. The determination test results indicated that alexithymia accounts for 54.2% of the variance in social media addiction tendencies (R-Square = 0.542), with the remaining 45.8% attributed to other variables not examined in this study.
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 | 0,001 | 0,002 |
| 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 | 0,000 | 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 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 ».