A Scoping Review of the Use and Determinants of Social Media Among College Students
Notice bibliographique
Résumé
Background/Objectives: Use of social media among college students is ubiquitous. Excessive use of social media has been linked to distractions, reduced academic focus, and poor mental health outcomes such as anxiety and depression. The determinants of social media use among college students are not well understood. Hence, the purpose of this study was to conduct a scoping review on the behavioral, demographic, and psychosocial determinants, explore theoretical frameworks, and suggest evidence-based recommendations. Methods: This scoping review was conducted between January 2024 and May 2025 following PRISMA-ScR guidelines, using MEDLINE (PubMed), CINAHL, and ERIC databases. Peer-reviewed studies were included if they focused on college students (ages 18–30), investigated determinants of social media use, and met predefined inclusion criteria. Results: A total of 22 studies met the inclusion criteria. Studies were conducted in Bangladesh, Canada, China, Egypt, India, Nigeria, Pakistan, Saudi Arabia, Turkey, and the United States, and the majority used cross-sectional designs (n = 20). A consistent finding across the reviewed studies was the strong association between social media overuse and symptoms of depression, anxiety, stress, and emotional dysregulation. Very few theoretical frameworks for understanding the determinants of social media were used. According to the reviewed studies, factors such as fear of missing out, sleep quality, and prolonged social media use consistently emerged as significant predictors of adverse mental health outcomes (p < 0.05). Conclusions: In this study, problematic social media use (PSMU) was linked to increased mental health issues, suggesting that students frequently engage in social comparison and experience feelings of missing out (FoMO), which exacerbate emotional distress. There is a need for integrated approaches in addressing PSMU within educational environments, particularly in fostering healthier digital habits among students. There is a need to conduct more concerted research using longitudinal designs and contemporary theoretical frameworks in this area.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 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 ».