Prevalence and Patterns of Social Media Use in Early Adolescents
Notice bibliographique
Résumé
OBJECTIVE: To describe patterns of social media use, including underage use (under 13 years) and sex differences, in a diverse, national sample of early adolescents in the US. METHODS: We analyzed the social media use data in the Adolescent Brain Cognitive Development Study (2019-2021, Year 3), which includes a national sample of early adolescents in the US. Specifically, using Chi-square and t-tests, we compared social media use patterns across demographic characteristics stratified by age and sex. RESULTS: In the sample of 10,092 11-to-15-year-old adolescents, 69.5% had at least one social media account; among social media users, the most common platforms were TikTok (67.1%), YouTube (64.7%), and Instagram (66.0%). A majority (63.8%) of participants under 13 years (minimum age requirement) reported social media use. Under-13 social media users had an average of 3.38 social media accounts, with 68.2% having TikTok accounts and 39.0% saying TikTok was the social media site they used the most. Females reported higher use of TikTok, Snapchat, Instagram, and Pinterest, while males reported higher use of YouTube and Reddit. Additionally, 6.3% of participants with social media accounts reported having a secret social media account hidden from their parents' knowledge. CONCLUSIONS: Our findings reveal a high prevalence of underage social media use in early adolescence. These findings can inform current policies and legislation aimed at more robust age verification measures, minimum age requirements, and the enhancement of parental controls on social media. Clinicians can counsel about the potential risks of early adolescent social media use.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».