Profiling phubbing practitioners using machine learning

Adriane de Almeida Santos

doi:10.3389/fpsyg.2026.1916596

Profiling phubbing practitioners using machine learning

2026-10-30

0

OA

AI

A

Adriane de Almeida Santos

M

Marck de Souza Torres

K

Kaleo Brito Mourão

E

Evandro Morais Peixoto *

F

Fauston Negreiro

DOI：10.3389/fpsyg.2026.1916596

原文链接

查看原文

摘要

En 中文

刷屏行为是一种异质性数字行为，可能出现在不同的人格配置和问题性社交媒体使用中。本研究基于大五人格特质、问题性Instagram使用以及刷屏行为的沟通障碍和手机痴迷维度，识别了巴西成年人的多变量特征。初始样本包括1,551名成年人；主要分析包括1,470名当前Instagram用户。使用具有1至6个成分和替代协方差结构的Gaussian Mixture Models分析了8个标准化指标。模型选择优先考虑贝叶斯信息准则（BIC），并以赤池信息准则（AIC）作为补充证据。五成分对角模型具有最低BIC，而AIC倾向于六成分对角方案。BIC优先的模型识别出五个部分重叠的特征：调节性低数字（16.9%）、内向性低数字（15.6%）、中度数字（21.1%）、社交参与数字（20.8%）和数字易损（25.6%）。平均最大后验隶属概率为0.803，表明存在有意义的分类不确定性。这些特征在问题性Instagram使用、手机痴迷、沟通障碍、尽责性和外向性方面差异最显著。结果表明，刷屏相关行为出现在异质性的人格-数字配置中，而非单一心理模式。这些特征应被解释为概率性和描述性的，而非固定的心理类型或诊断类别。需要进行纵向和独立重复研究以检验其稳定性和实际相关性。

Keyword:

personality,phubbing,smartphone use,person-centered analysis,Gaussian mixture models,problematic Instagram use

Profiling phubbing practitioners using machine learning

摘要

AI总结

期刊

机构

引用论文