MétaCan
Menu
Retour à la cohorte
Enregistrement W4410318887 · doi:10.23977/aetp.2025.090306

Problematic Short Video Use and Anxiety in Chinese University Students: A Mediation Analysis of Leisure Boredom

2025· article· en· W4410318887 sur OpenAlexvenueno aff

Notice bibliographique

RevueAdvances in Educational Technology and Psychology · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMind wandering and attention
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBoredomMediationPsychologyAnxietyLeisure activitySocial psychologySociologySocial sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

This study aims to explore the relationship between problematic short video use and anxiety among university students, as well as the mediating role of leisure boredom in this association. A questionnaire survey was conducted to collect data. Instruments included a self-developed demographic questionnaire, the Problematic Short Video Use Scale for College Students, the Leisure Boredom Scale, and an anxiety questionnaire. Among the 442 questionnaires collected, those with abnormal response times or patterned answering were excluded, resulting in 413 valid responses, yielding a valid response rate of 93.439%. SPSS software was used to organize and analyze the data, and the results showed that: (1) Problematic short video (PSV) use significantly and positively predicted students' levels of anxiety; (2) PSV use significantly and positively predicted levels of leisure boredom; (3) Leisure boredom significantly and positively predicted anxiety; and (4) Leisure boredom played a significant mediating role in the relationship between problematic short video use and anxiety. Specifically, problematic short video use increased feelings of leisure boredom, which in turn heightened anxiety levels. The mediating effect accounted for 59.15% of the total effect. These findings highlight the importance of addressing university students' short video use behaviors and their potential negative impact on leisure experiences, in order to reduce mental health risks.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,352
Écart entre enseignants0,340 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Educational Technology and PsychologyMême sujetMind wandering and attentionTravaux en français237 207