Loneliness by Design: The Structural Logic of Isolation in Engagement-Driven Systems
Notice bibliographique
Résumé
As the prevalence of public discourse pertaining to loneliness increases, digital interventions, such as artificial intelligence companions, are being introduced as methods for fostering connection and mitigating individual negative experiences of loneliness. These tools, while increasing in volume and popularity, operate within and are shaped by the same engagement-driven systems that have been found to contribute to loneliness. This meta-narrative review examines how algorithmic infrastructures, which are optimized for retention, emotional predictability, and behavioural nudging, not only mediate responses to loneliness but participate in its ongoing production. Flattening complex social dynamics into curated, low-friction interactions, these systems gradually displace relational agency and erode users' capacity for autonomous social decision making. Drawing on frameworks from communication studies and behavioural information design, this review finds that loneliness is understood both as an emotional or interpersonal state and as a logical consequence of hegemonic digital and technological design paradigms. Without addressing the structural logics of platform capitalism and algorithmic control, digital public health interventions risk treating loneliness as an individual deficit rather than a systemic outcome. Finally, a model is proposed for evaluating and designing digital public health interventions that resist behavioural enclosure and support autonomy, relational depth, systemic accountability, and structural transparency.
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 | 0,021 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».