Association between Digital Burnout and Sleep Quality among King Faisal University Students
Notice bibliographique
Résumé
As a public health issue, both burnout syndrome and sleep problems affect students' academic performance and their well-being. Overuse of digital devices can cause digital burnout (DBO) in university students. This study aimed to explore digital device usage, sleep quality, DBO levels, and their association with sleep quality (SQ) among King Faisal University (KFU) students for the academic year 2022-2023. This cross-sectional study targeted undergraduate students of both genders at KFU across all academic levels and specialties. An online self-administered questionnaire was created using Google Forms and distributed via e-mail to KFU students between May and July 2023. Data were analyzed using SPSS software with statistical tests applied, and a p-value of 0.05 was considered the significance threshold. In total, 744 KFU students participated in the study. Data analysis revealed moderate DBO levels and average SQ, 427(57.4%) and 526 (70.8%), respectively, with no significant differences based on age, gender, college, and marital status. Additionally, a statistically significant association was found between higher DBO levels and poorer SQ among the participants (Pearson’s correlation test, r = 0.548, p = 0.000). Our study confirmed the association between DBO and SQ among KFU students. These findings underline the importance of university initiatives that promote stress-reducing activities and adaptive behaviors as resilience measures to support students' mental health, academic performance, and well-being.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».