Global change in adolescent social media use (2018–2022): An ecological analysis across 28 countries
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
Given growing concerns about the role of social media in adolescents' lives, especially after the COVID-19 pandemic, this study investigates changes in social media use (SMU) between 2018 and 2022 across 28 countries. The main aim is to detect any change in adolescents' SMU, as reflected in the rates of four categories of social media users (i.e., non-active users, active users, intense users, and problematic users) between 2018 and 2022, and explore interactions with several individual, social and national factors involved in possible changes. Data were gathered from 326,397 adolescents aged 11, 13, and 15 from 28 countries involved in the Health Behaviour in School-aged Children study. Results showed that there was a modest decline in the prevalence of non-active users (by 2.8 pp (percentage points)), active users (by 0.8 pp), and intense social media users (by 1.6 pp), accompanied by a 2.8 pp increase in the prevalence of problematic social media users. Overall, these temporal changes were confirmed across the participating countries. Girls, younger adolescents, those with low socio-economic status (SES), and with medium-low family and peer support experienced stronger temporal increases in reported problematic SMU. Younger adolescents also showed a stronger temporal decrease of non-active SMU. A significant moderation effect of available national-level indicators (i.e., GINI, GII, Stringency Index, ICT access) was identified with respect to temporal changes in problematic SMU. These changes should be interpreted within the context of today's increasingly technologized world. Results are discussed with a global preventive perspective.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découle