Liens entre l’utilisation d’Instagram et la satisfaction corporelle des hommes
Bibliographic record
Abstract
Cette étude s'intéresse à la relation entre l'utilisation d'Instagram (IG) et la satisfaction corporelle chez les hommes québécois en transition à la vie adulte, avec la comparaison sociale ascendante liée à l'apparence comme variable pouvant partiellement expliquer cette relation. Outre la comparaison sociale ascendante liée à l'apparence, les variables étudiées sont le nombre de minutes passé sur IG, l'insatisfaction corporelle chez les jeunes hommes, l'homophilie physique perçue par les participants, le type d'utilisation d'IG ainsi que les motivations d'utilisation. Celles-ci sont mesurées à l'aide d'un questionnaire de 67 items, administré complètement en ligne. Celui-ci regroupe les données sociodémographiques, le Perceived Homophily Measure, le Motive for Instagram Use Questionnaire, le Passive and Active Facebook Use Measure (PAUM), le Physical Appearance Scale Comparison Scale-3 (PACS-3) et le Male Body Dissatisfaction Scale (MBDS). L'échantillon comprend 78 jeunes hommes québécois âgés de 18 à 32 ans qui possèdent un compte IG. Une régression linéaire simple montre que le nombre de minutes passées sur IG par jour n'est pas un bon prédicteur de l'augmentation de l'insatisfaction corporelle. Des corrélations ont été réalisées pour tenter de trouver des explications potentielles à ce résultat. Il apparaît que certaines caractéristiques de l'utilisation d'IG des jeunes adultes masculins sont liées à l'augmentation de l'insatisfaction corporelle, comme la tendance à se comparer aux autres par rapport à leur musculature. La recherche à ce sujet doit continuer pour développer une meilleure compréhension de ce phénomène et de ses conséquences sur la santé mentale des utilisateurs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".