MétaCan
Menu
Retour à la cohorte
Enregistrement W4411283278 · doi:10.1089/cyber.2024.0546

A Conceptual Framework to Understand the Relationships Between Digital Wellness and Artificial Intelligence

2025· article· en· W4411283278 sur OpenAlexaff
Jennifer Laffier, Aalyia Rehman, Madison Westley

Notice bibliographique

RevueCyberpsychology Behavior and Social Networking · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésPsychologyData scienceCognitive scienceComputer scienceArtificial intelligenceApplied psychologyEngineering

Résumé

récupéré en direct d'OpenAlex

Digital wellness focuses on the healthy relationships individuals develop with technology to thrive, emphasizing skills such as emotional intelligence, mindfulness, mental health literacy, and critical thinking. This study employs a qualitative research approach to propose a conceptual framework that aligns digital wellness skills with healthy engagement in artificial intelligence (AI). A six-step thematic analysis was conducted to identify key themes in the literature on AI and digital wellness. The findings suggest digital wellness skills moderate healthy AI engagement by reducing risks and increasing benefits. Schools, workplaces, and communities should focus on promoting digital wellness education and skill development. Further empirical research is necessary to explore the implications of the proposed framework and evaluate its applications in real-world settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,743
Score d'incertitude au seuil0,809

Scores Codex et Gemma par catégorie

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

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 Opus0,144
Tête enseignante GPT0,423
Écart entre enseignants0,279 · 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 tête enseignante, 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCyberpsychology Behavior and Social NetworkingMême sujetDigital Mental Health InterventionsTravaux en français237 207