Assessing the Relationship Between the Type of Internet Use and Internet Addiction in Early and Middle Adolescents: Cross-Sectional Study From Qatar
Notice bibliographique
Résumé
BACKGROUND: With the increasing prevalence of digital technology, adolescent internet addiction (IA) has become a global concern. Excessive internet use, especially among adolescents, has been linked to various negative outcomes such as poor academic performance, social isolation, and mental health issues. Conducted among adolescents of Arab origin, our study addressed the limitations of the literature, which predominantly focuses on Western, educated, industrialized, rich, and democratic populations. OBJECTIVE: This study aimed to differentiate between essential and nonessential internet use and how they relate to IA in early and middle adolescents, as well as the relationship between subjective happiness with the amount of time spent on nonessential internet use and IA. METHODS: A cross-sectional survey was conducted among 377 students from 16 schools in Qatar. The survey measured essential and nonessential internet use, subjective happiness with nonessential use, and IA symptoms using the Internet Addiction Diagnostic Questionnaire, as well as participant demographics. To explore age-specific associations, participants were categorized into early (age 11-13 years) and middle (age 14-17 years) adolescents. Factorial analysis, multiple regression, and logistic regression were used for statistical analysis. RESULTS: Nonessential internet use significantly predicted IA in both early (P<.001) and middle (P<.001) adolescents, with early adolescents showing a stronger association. Subjective happiness with nonessential internet use negatively predicted IA only in middle adolescents (P<.001) as greater dissatisfaction led to a higher IA risk. Essential internet use did not predict IA in either group. CONCLUSIONS: Differentiating between essential and nonessential internet use is crucial in understanding IA. This study highlights the importance of developmental differences in shaping IA symptoms. The findings suggest that interventions aimed at addressing IA should be age specific and focus on addressing nonessential use specifically rather than considering internet use and screen time in general as a single entity. Cultural and regional factors also play a role in shaping internet use patterns and IA in the Middle East, necessitating context-specific, culturally sensitive approaches to IA prevention.
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 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».