ERGENLERDE SOSYAL MEDYA KULLANIM BOZUKLUĞU, ALEKSİTİMİ VE EMPATİ ARASINDAKİ İLİŞKİ
Bibliographic record
Abstract
ÖZ Amaç: Bu araştırma, ergenlerde sosyal medya kullanım bozukluğu, aleksitimi ve empati arasındaki ilişkinin yapısal eşitlik modeli ile incelemesi amacıyla yapılmıştır. Yöntem: Araştırma, 388 ergenle tanımlayıcı-kesitsel olarak yapılmıştır. Veriler, “Bilgi Formu”, “Sosyal Medya Bozukluğu Ölçeği”, “Toronto Aleksitimi Ölçeği” ve “Temel Empati Ölçeği” kullanılarak toplanmıştır. Verilerin analizinde, ölçeklerin faktör analizi, madde toplam korelasyonu, Cronbach Alpha güvenilirlik katsayıları hesaplanmıştır. Araştırmanın hipotezleri yapısal eşitlik modeli ile test edilmiştir. Bulgular: Ergenlerde sosyal medya bozukluğu düzeyinin artması, aleksitimi düzeyini arttırmaktadır. Aleksitimi düzeyinin artması ise, empati düzeyini azaltmaktadır. Sonuç: Bu araştırmanın sonuçları, sosyal medya kullanım bozukluğunun ergenlerde aleksitimi ve empati üzerindeki etkisini göstermesi açısından önemlidir. Ayrıca, sosyal medyanın ergenlerde sağlıklı kullanımına yönelik geliştirilecek eğitim ve sağlık politikalarında, bu araştırmanın sonuçlarından yararlanılabilir. Anahtar Kelimeler: Ergen, Sosyal Medya, Aleksitimi, Empati Kaynakça: Abi-Jaoude, E., Naylor, K. T., & Pignatiello, A. (2020). Smartphones, social media use and youth mental health. Canadian Medical Association Journal, 192(6), E136-E141. https://doi.org/10.1503/cmaj.190434 Alonzo, R., Hussain, J., Stranges, S., & Anderson, K. K. (2021). Interplay between social media use, sleep quality, and mental health in youth: A systematic review. Sleep Medicine Reviews, 56, 101414. https://doi.org/10.1016/j.smrv.2020.101414 Aslan, G., Bakan, A. B., & Yildiz, M. (2021). An investigation of the relationship between alexithymia and empathy tendency in university students receiving health education. Perspectives in Psychiatric Care, 57(2), 709-716. https://doi.org/10.1111/ppc.12602
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 0.003 |
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".