LinkedIn’s dilemma: navigating stress and well-being on professional networking platforms
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose Universities are increasingly encouraging students to join LinkedIn, a professional networking site (PNS), to enhance their employability prospects. Our study explores the double-edged sword of LinkedIn use among university students with a focus on its contrasting psychological impacts of stress and well-being. Design/methodology/approach Drawing on self-determination theory (SDT), conservation of resources theory (CORT), and recent social media research, this study proposes a theoretical model to explain users’ motivations for LinkedIn use, their experiences of LinkedIn-induced stress and well-being and how users deal with these experiences. Our model was tested via a survey of 221 undergraduate students and the use of structural equation modeling. Findings Results indicate that LinkedIn-induced well-being, stemming from the digital support of students’ basic psychological needs for autonomy, belongingness and competence, enhances their intrinsic motivation to engage with the platform. However, LinkedIn is also found to generate stress – driven by excessive demand and privacy threats – which undermines intrinsic motivation. Furthermore, LinkedIn well-being is found to be a personal resource that students leverage to manage this stress. Originality/value This study examines students’ experiences on LinkedIn, a PNS that has received less scholarly attention than hedonic social networking sites. Using SDT and CORT, we highlight the coexistence of stress and well-being on non-compulsory, utilitarian PNSs like LinkedIn. We further demonstrate how LinkedIn-derived well-being helps students manage LinkedIn technostress, addressing a key research gap, as few studies explore how social media users mitigate stress through positive mechanisms.
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.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle