Taking the Long View on Digital Culture and Mental Health: Principles From Critical Realism
Notice bibliographique
Résumé
There is a widespread concern that some aspects of digital media use may be detrimental to mental health. Digital media such as social media, video games, and artificial intelligence profoundly influence the daily lives of young people through practices embedded in global and particular digital cultures. Because digital technologies and their uptake are actively evolving in ways that cannot be fully anticipated, research must "take the long view" to develop robust theories that stand the test of time. The philosophical approach of critical realism, developed by Roy Bhaskar and others in the 1970s-1990s, provides helpful parameters for studying complex phenomena such as the relationship between digital cultures and mental health. Critical realism sees science as a social process that aims to uncover the generative structures of reality, with the understanding that causal mechanisms exist at multiple levels of inquiry, from the material to the social. Drawing from the work of Bhaskar and other critical realists, this article outlines three methodological guiding principles for the study of digital culture and mental health: (1) focusing on the causal effects of digital media, located in individual practices, technologies, sociocultural structures, or elsewhere; (2) combining methods (qualitative and quantitative) and disciplines; and (3) actively engaging with the social dimension of research. Research on digital media and mental health has the capacity to illuminate causal mechanisms and their possibilities for human emancipation, even when these mechanisms are not fully actualized or directly observed.
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 | 0,014 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».