An Empirical Appraisal of The Impact of social media On Youths in Karnataka
Notice bibliographique
Résumé
Social media can be described as a ubiquitous phenomenon in the life of individuals, especiallythe youth after the beginning of the twenty-first century. Consequently, this paper aims todetermine the extent to which social media affects young people with regard to their health andconduct. The social sites like Facebook, WhatsApp, Twitter, You Tube and other provide bettermedium of communication, construction of knowledge and self realization and too havepositive and negative impacts on the youth. Through the use of social media, education andemployment can be attained, but misuse could lead to time management problems and in somecases deadly consequences to mental health. New surveys show an increase of 70% for anxietyand depression for youth from the last quarter century and social networking is said to be themain cause. Bullying through electronic technology has remained ramped, and its impacts aresevere among the targeted individuals. Children & young adults often become victims ofidentity theft; thus, parents should explain acceptable use of the social networks, and limit thetime & access to these sites. However, it has to be noted that social media as a concept is notone that needs to be labelled as negative but one that depends on the usage. The youth beingthe most active customer base in electronics items and service providers are most at risk sincethey are more enchanted by such gadgets, risking their lives to health complications due toover-utilization. This paper seeks to discuss available forms of social media, their influence inthe society especially on the psychological well-being and conduct of the youths.
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 | 0,002 | 0,005 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».