Exploring the trajectories of problematic smartphone use in adolescence: Insights from a longitudinal study
Notice bibliographique
Résumé
Abstract The goal of the present study was to investigate the trajectories of problematic smartphone use among adolescents and its predictors, including self‐regulation, fear of missing out (FoMO), depression, and anxiety among Canadian adolescents. A total of 2549 participants (1025 girls; M age = 14.10 years, SD = 0.96 years) from grades 8 to 12 in Southern British Columbia, Canada, took part in the study. Self‐reported problematic smartphone use was collected annually over 4 years. At Time 1, adolescents provided self‐reports on self‐regulation, depression, anxiety, and FoMO. Growth mixture modelling was used to examine the trajectories of problematic smartphone use. The results revealed three distinct trajectories: low‐increasing‐decreasing (35.5%), moderate‐increasing (60.9%), and high‐stable (3.6%). Multinomial logistic regression revealed that higher FoMO and depression were significant predictors of membership in the high‐stable problematic smartphone use group, while better self‐regulation predicted lower problematic smartphone use. These findings highlight the dynamic nature of problematic smartphone use and the importance of self‐regulation and mental health in understanding problematic smartphone use trajectories among Canadian adolescents.
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 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».