[论文解读] Measuring Adolescents' Well-being: Correspondence of Naive Digital Traces to Survey Data

Елизавета Сивак, Ivan Smirnov|arXiv (Cornell University)|Jun 19, 2020

Impact of Technology on Adolescents参考文献 45被引用 2

一句话总结

本研究考察了144名高中生在VK（俄罗斯社交媒体平台）上的原始数字痕迹与基于问卷的青少年幸福感指标之间的对应关系。研究发现，线上行为（如深夜发帖、帖子情感倾向、在线友谊指标）与抑郁、睡眠质量及社会融合度等关键幸福感指标之间存在微弱但显著的相关性，表明数字痕迹最适合作为问卷数据的补充，而非替代品。

ABSTRACT

Digital traces are often used as a substitute for survey data. However, it is unclear whether and how digital traces actually correspond to the survey-based traits they purport to measure. This paper examines correlations between self-reports and digital trace proxies of depression, anxiety, mood, social integration and sleep among high school students. The study is based on a small but rich multilayer data set (N = 144). The data set contains mood and sleep measures, assessed daily over a 4-month period, along with survey measures at two points in time and information about online activity from VK, the most popular social networking site in Russia. Our analysis indicates that 1) the sentiments expressed in social media posts are correlated with depression; namely, adolescents with more severe symptoms of depression write more negative posts, 2) late-night posting indicates less sleep and poorer sleep quality, and 3) students who were nominated less often as somebody's friend in the survey have fewer friends on VK and their posts receive fewer "likes." However, these correlations are generally weak. These results demonstrate that digital traces can serve as useful supplements to, rather than substitutes for, survey data in studies on adolescents' well-being. These estimates of correlations between survey and digital trace data could provide useful guidelines for future research on the topic.

研究动机与目标

• 评估社交媒体数字痕迹作为青少年幸福感指标代理变量的有效性。
• 调查诸如帖子情感、发布时间和互动频率等在线行为是否与自我报告的抑郁、焦虑、情绪、睡眠和社交融合度相对应。
• 探讨在线友谊和受欢迎程度指标是否反映高中生实际的同伴关系和社会地位。
• 为未来研究提供数字痕迹数据与基于问卷的心理测量指标之间相关性强弱的实证估计。

提出的方法

• 通过移动应用程序在四个月内每日收集144名高中生的情绪和睡眠数据。
• 在基线和终点分别进行两轮问卷调查，评估抑郁、焦虑和社交关系。
• 从VK提取数字痕迹，包括帖子情感、发帖时间（如深夜活动）以及互动指标（如点赞、互相好友提名）。
• 使用多层次建模和相关性分析检验数字痕迹变量与问卷结果之间的关系。
• 采用逻辑回归和线性回归模型，基于在线网络特征预测线下友谊的可能性。
• 通过比较基于同伴提名状态（受欢迎/不受欢迎）的子组，进行敏感性分析。

实验结果

研究问题

• RQ1 青少年社交媒体帖子中表达的情感与其自我报告的抑郁和焦虑水平在多大程度上相关？
• RQ2 社交媒体帖子的发布时间和频率与青少年报告的睡眠时长和睡眠质量有何关系？
• RQ3 VK上的在线友谊指标（如好友数量、点赞数）能否预测学生在校实际的受欢迎程度和社交融合度？
• RQ4 数字痕迹中的社交互动指标（如互相点赞）是否反映高中生之间的线下友谊关系？

主要发现

• 自我报告抑郁症状较高的青少年在社交媒体帖子中表现出更多负面情感，相关系数中等（r = 0.28，95% CI [0.008, 0.44]）。
• 深夜发帖（凌晨1点至5点）与睡眠时长缩短显著相关（平均差异：0.87个标准差）以及睡眠质量更差（p = 0.02）。
• 同伴提名为不受欢迎的学生，其来自同一所学校的VK好友数量平均比未被提名不受欢迎的学生少1.5倍（p < 10−4）。
• 被提名受欢迎的学生，其来自同一所学校的VK好友数量平均多1.5倍，并且获得的点赞数显著更多（p < 10−4），相较于未被提名受欢迎的学生。
• VK上互相点赞的配对中，仅有11%是线下朋友，而所有VK好友的整体线下朋友比例为5.6%。
• 总体而言，数字痕迹指标与基于问卷的幸福感指标之间的相关性微弱，95%置信区间的上限表明最多为中等效应量。