Bergen social media engagement and experiences scale (Be-SMEE): A short questionnaire covering important aspects of social media use among adolescents. Development and association with symptoms of depression and anxiety.
Notice bibliographique
Résumé
Background There is a need to go beyond mere measures of time used on social media. Existing tools inadequately capture the multidimensional nature of social media use, leaving a gap for concise yet comprehensive assessment tools. Aims This study aimed to develop a short questionnaire addressing three critical dimensions of social media use: self-presentation, negative experiences, and problematic use. The association between these dimensions and symptoms of anxiety and depression was also investigated. Methods This study uses two independent datasets of adolescents aged 16+ years in Norway. Using Ant Colony Optimization (ACO) analyses, a pool of 31 social media items was analyzed to investigate factor structure and associations with symptoms of anxiety and depression. For model development, the “LifeOnSoMe”-study was employed (>3,500 participants), and data from a pilot study (~500 participants) was used for external validation. Results Based on ACO-analyses, a 20-item six-factor model was identified, encompassing social comparison and self-presentation (five items), and three items for each of the following domains: negative experiences (Negative acts and Unwanted attention from others) and problematic use (Subjective overuse, Social obligations, and Source of concern). Confirmatory factor analyses demonstrated very good to excellent fit in both datasets, and consistent associations between the six different domains and symptoms of anxiety and depression. Discussion The suggested 20-item questionnaire provides a robust and succinct tool for evaluating social media’s impact on mental health, offering substantial explanatory power for variance in anxiety and depression symptoms. This can serve as meaningful tool for assessing the potential impact of social media use for mental health and related outcomes.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».