Fear of Missing Out, Social Media Addiction, and Personality Traits Among Nursing Students: Cross-Sectional Study
Notice bibliographique
Résumé
Background: The growing use of social media has created concerns about addiction, and thus, it is necessary to explore how personality traits and fear of missing out (FOMO) can be utilized to predict social media addiction (SMA). objectives: The purpose of this study was to investigate the connection between personality traits, FOMO, and SMA in university students in Saudi Arabia. Methods: In this cross-sectional study, data were collected from nursing students using the shortened version of the big five inventory, fear of missing out scale, and SMA scale from May to September 2024. Results: The study achieved a response rate of 66.7% (414/620), finally including a total of 411 participants. The majority of participants (247/411, 60.1%) had low FOMO scores, while SMA scores showed a different pattern, with a larger proportion (261/411, 63.5%) of participants scoring in the moderate range. In terms of gender differences, male participants exhibited higher levels of FOMO (t=3.86, P<.001) and SMA (t=2.51, P=.013) compared to female participants. Additionally, male participants scored higher in neuroticism (t=3.30, P=.001) and openness (t=1.98, P=.048). Regression analysis revealed that both conscientiousness (β=.357, P<.01) and FOMO (β=.213, P<.01) positively predicted SMA, while neuroticism (β=-.223, P<.01) and being female (β=-.098, P<.05) were associated with lower levels of addiction. The resulting model accounted for 35.8% of the variance. Conclusions: The study provides evidence that conscientiousness and FOMO are positive predictors of SMA, while neuroticism is negatively correlated with it. Moreover, male participants exhibited higher levels of both FOMO and SMA in comparison to female participants. These findings emphasize the impact of personality traits and FOMO on SMA among university students.
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 | 0,002 | 0,002 |
| 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 ».