The association of relative deprivation, interpersonal relationships, and problematic social media use in 39 countries/regions: Does school contextual inequality matter?
Notice bibliographique
Résumé
Background: Social media use among adolescents has rapidly expanded, raising concerns about problematic social media use (PSMU). Few studies have examined how relative deprivation (RD) and contextual inequality shape PSMU. We explain whether four key interpersonal relationships (relationships with teachers, classmates, and family, and bullying victimization) mediate the link between RD and PSMU and whether school-level inequality moderates these associations. Method: The data was from the 2017/2018 Health Behavior in School-aged Children (190,707 adolescents, 5,576 schools, 39 countries/regions). The independent variable was RD, calculated via the Yitzhaki index, and the dependent variable was PSMU. Four interpersonal relationships (teacher, classmate, and family relationships, and bullying victimization) were assessed as mediators. Multilevel mediation models were used to evaluate the mediating roles of these relationships. We then extracted each country/region's indirect effects for cross-national comparisons. The Johnson-Neyman method was used to assess the moderating effect of contextual inequality. Results: Although RD had no direct effect on PSMU, higher RD was associated with poorer teacher, classmate, and family relationships and heightened bullying victimization. These then predicted increased PSMU. Contextual inequality strengthened RD's adverse association with family relationships and magnified the associations of family relationships and bullying on PSMU. Cross-national analyses revealed stable mediating effects of teacher and classmate relationships. Conclusions: We highlight RD's associations with PSMU primarily through interpersonal pathways, with contextual inequality amplifying them. Targeted interventions that address both socioeconomic disparities and interpersonal dynamics can help mitigate PSMU. These outcomes underscore the need for policies that reduce economic gaps and foster supportive relationships.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».