I get by with a little help from my groups : examining how social identification and participation affect mental health self-efficacy for members of social media groups
Bibliographic record
Abstract
L’utilisation croissante des médias sociaux a profondément transformé la manière dont les personnes recherchent du soutien pour leur santé mentale, notamment à travers les groupes de soutien par les pairs en ligne. Bien que la littérature montre que ces groupes en ligne peuvent favoriser le bien-être psychologique de leurs membres, les mécanismes psychologiques sous-jacents à ces effets restent peu documentés. Cette étude expérimentale examine si l’identification sociale (l’importance attribuée à un groupe) joue un rôle médiateur dans la relation entre la saillance du groupe (se rappeler que l’on est membre d’un groupe) et l’auto-efficacité en santé mentale (croyance en sa capacité à gérer efficacement sa santé mentale). Elle examine également si le niveau de participation au groupe modifie cette médiation. Nous avons recruté 297 participants des groupes de Facebook et Reddit (63,64 % de femmes, 30,64 % d'hommes, 6,40 % de personnes de genre divers), avec un âge moyen de 31,25 ans (écart-type = 11,38). Ils ont été assignés à l’une de trois conditions manipulant la saillance d’une identité spécifique : groupe de santé mentale, personnelle et autre groupe. Ensuite, ils ont répondu au questionnaire mesurant leur identification sociale, leur auto-efficacité et leur niveau de participation. Les résultats indiquent que l’identification sociale médie la relation entre la saillance et l’auto-efficacité chez les membres de groupes de santé mentale, mais que la participation n’exerce pas d’effet modérateur entre la saillance d’identité et l’identification sociale. Ces résultats soulignent l’importance de l'identification à des groupes en ligne pour expliquer l’association entre la saillance de ce groupe et l’auto-efficacité. Les résultats soulignent le potentiel des groupes sur les réseaux sociaux pour améliorer l'auto-efficacité en matière de santé mentale grâce à l'identification sociale, ce qui a des implications pour les professionnels de la santé mentale, les modérateurs de groupes et les décideurs politiques.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".