Je prospěšné používat internetovou komunikaci pro útěk z nudy? Nuda norem interaguje s touhou vyvolanou touhou a obezřetností v vysvětlení příznaků komunikační poruchy (2018)

https://doi.org/10.1371/journal.pone.0195742

Abstraktní

Používání online komunikačních aplikací včetně messengerů (např. WhatsApp) nebo sociálních sítí (např. Facebook) na smartphonu se stalo každodenní praxí pro miliardy lidí, například během čekacích dob. Rostoucí počet jednotlivců vykazuje sníženou kontrolu nad používáním těchto aplikací, a to i přes negativní důsledky v každodenním životě. Toto lze označit jako porucha internetové komunikace (ICD). Současná studie zkoumala vliv nudnosti na příznaky ICD. Dále zkoumala zprostředkovatelskou roli kognitivních a afektivních mechanismů, konkrétně naděje na vyhýbání se negativním pocitům online a narážky vyvolané touhou. Výsledky modelu strukturální rovnice (N = 148) ukazují, že výraznost nudy je rizikovým faktorem pro vývoj a udržování ICD, protože měl významný přímý účinek na příznaky ICD. Náročnost nudy navíc předpověděla očekávání vyhýbání se, stejně jako touhu vyvolanou touhou. Obě strany zase zvýšily riziko rozvoje tendencí ICD. Navíc obě proměnné zprostředkovávaly účinek nudnosti na ICD a vzájemně se ovlivňovaly. Souhrnně lze říci, že výsledky ukazují, že lidé, kteří mají větší náchylnost k nudě, vykazují vyšší očekávání, aby se vyhnuli negativním emocím online, což při reakci na konkrétní narážky (např. Příchozí zprávu) podporuje vyšší touhu po reakci a mohlo by vést k tendenci ICD.

Citace: Wegmann E, Ostendorf S, značka M (2018) Je výhodné používat internetovou komunikaci k úniku z nudy? Nálada nudy interaguje s touhou vyvolanou touhou a vyhýbáním se očekáváním při vysvětlování příznaků poruchy internetové komunikace. PLoS ONE 13 (4): e0195742. https://doi.org/10.1371/journal.pone.0195742

Editor: Phil Reed, Swansea University, SPOJENÉ KRÁLOVSTVÍ

obdržel: Listopad 22, 2017; Přijato: Březen 28, 2018; Publikováno: 19. dubna 2018

Copyright: © 2018 Wegmann a kol. Toto je článek s otevřeným přístupem distribuovaný podle podmínek Licence Creative Commons Attribution, který umožňuje neomezené použití, distribuci a reprodukci v jakémkoliv médiu za předpokladu, že původní autor a zdroj jsou připsány.

Dostupnost dat: Veškerá relevantní data jsou obsažena v dokumentu a jeho podpůrných informačních souborech.

Financování: Autoři neobdrželi žádné specifické finanční prostředky na tuto práci.

Konkurenční zájmy: Autoři prohlásili, že neexistují žádné konkurenční zájmy.

Úvod

Se spuštěním smartphonu před více než deseti lety počet lidí, kteří jej používají v každodenním životě, stále roste. Předpokládá se, že počet uživatelů smartphonů na celém světě dosáhne v 2.32 miliardu 2017 a očekává se, že v 2.87 dosáhne miliardu 2020 [1]. Mezi nejoblíbenější online aplikace používané na smartphonu patří mimo jiné aplikace pro online komunikaci. Umožňují uživatelům přímý kontakt s ostatními, zůstat v kontaktu se vzdálenými přáteli a sdílet osobní informace, obrázky nebo videa [2, 3]. Termín „aplikace pro online komunikaci“ zahrnuje velmi oblíbené aplikace, jako je služba okamžitých zpráv WhatsApp s více než 1.3 miliardami aktivních uživatelů každý měsíc [4] nebo sociálních sítí, jako je Facebook s aktivními uživateli 2 miliard měsíčně měsíčně [5]. Kromě mnoha výhod internetové komunikace a používání chytrých telefonů obecně narůstá počet jednotlivců, kteří trpí negativními důsledky v důsledku nadměrného a časově náročného používání těchto aplikací [2, 6-8]. Zejména dostupnost různých mobilních zařízení a snadný a trvalý přístup k těmto aplikacím umožňují lidem interagovat a komunikovat s ostatními po celý den - kdykoli a kdekoli [9, 10]. Toto chování může vést k patologickému a nutkavému užívání, které je srovnatelné s jinými závislostmi na chování nebo poruchami užívání návykových látek, jak navrhují různé studie a výzkumníci [7, 8].

Kognitivní a afektivní korelace poruchy internetové komunikace

Rostoucí využívání internetu po celém světě vede k výzkumu, který se stále více zaměřuje na poruchy užívání internetu jako specifický druh závislosti na chování [2, 7, 11]. Některé studie dále naznačují specifický typ poruchy používání internetu, poruchu internetové komunikace (ICD). ICD popisuje návykové používání online komunikačních aplikací [6-8, 12]. Příznaky ICD, které jsou odvozeny od charakteristik poruchy používání internetu, jsou definovány jako ztráta kontroly, recidiva, abstinenční příznaky, zaujetí, zanedbávání zájmů, tolerance a negativní důsledky ve společenském, profesním nebo osobním životě [6, 7, 13, 14]. Davis [12] nabídli první teoretický model popisující mechanismy nespecifického patologického používání internetu a specifické poruchy užívání internetu. Více nedávno, Brand, Young [7] představili nový teoretický model, model Interakce osobně ovlivňujících - poznávání-provádění (I-PACE), který shrnuje možné mechanismy vývoje a údržby specifických poruch užívání internetu, jako je ICD. Model I-PACE ilustruje interakci základních charakteristik člověka a afektivních, kognitivních a výkonných složek. To naznačuje, že základní charakteristiky člověka, jako jsou osobnost, sociální poznání, psychopatologické symptomy, biopsychologické faktory a specifické predispozice, ovlivňují subjektivní vnímání situace. Toto vnímání je tvořeno faktory, jako je konfrontace s narážkami na závislost, stres, osobní konflikty, neobvyklá nálada a také individuální afektivní a kognitivní reakce. Ty zahrnují reaktivitu narážky, touhu, zaujatost, nebo další kognitivní předpojatosti související s internetem a dysfunkční styl zvládání. Předpokládá se, že tyto jednotlivé afektivní a kognitivní faktory zprostředkovávají nebo zmírňují účinek základních charakteristik osoby na vývoj a udržování specifické poruchy používání internetu. Značka, Young [7] ilustrují, že účinek afektivních a kognitivních odpovědí interaguje s výkonnými faktory, jako je inhibiční kontrola. Rozhodnutí použít určitou aplikaci za účelem uspokojení nebo kompenzace může pak vést k nadměrnému použití této aplikace, a tím posílit specifické predispozice a také afektivní, kognitivní a výkonné faktory podobné začarovanému kruhu (pro podrobnější popis) modelu a podrobný přehled empirických studií, viz [7]).

Předchozí studie již ukázaly, že účinek psychopatologických příznaků, jako je deprese a sociální úzkost, a vliv osobnostních aspektů, jako je zranitelnost stresem, sebevědomí a soběstačnost, na tendence ICD je zprostředkován specifickými poznáními, jako je nefunkční styl zvládání a očekávání používání internetu [8, 15]. Wegmann, Oberst [16] prokázali, že pro vysvětlení příznaků ICD jsou relevantní zejména očekávání vyhýbání se, včetně touhy uniknout realitě, odvrátit pozornost od skutečných problémů nebo vyhnout se osamělosti. Značka, Laier [17] stejně jako Trotzke, Starcke [18] ukázali, že vysoká naděje na používání konkrétních aplikací jako možnost zažít potěšení nebo odvrátit pozornost od problémů zprostředkovávají vztah mezi osobními aspekty a generalizovanou (nespecifickou) poruchou používání internetu a poruchou internetového nakupování.

Kromě konceptu očekávání používání internetu, Brand, Young [7] dále tvrdí, že se zdá, že cue-reaktivita a touha jsou důležitými konstrukty při vývoji a udržování patologického využití specifických aplikací. Tento předpoklad je založen na dřívějším výzkumu poruch užívání návykových látek (viz například výsledky v [19] a další závislosti na chování [20], které ukazují, že závislí jsou náchylní ke stimulacím závislým na závislostech, které spouštějí oblasti zpracování odměn v mozku [21-25]. Touha popisuje touhu nebo nutkání brát drogy nebo opakovaně ukázat návykové chování [26, 27]. Koncept reaktivity a touhy byl přenesen do studia závislostí na chování. U poruch internetového nakupování již byly pozorovány behaviorální koreláty reaktivity a touhy [18], Porucha sledování internetové pornografie [28, 29], Porucha hraní na internetu [30, 31], Porucha hazardních her na internetu [32, 33] a ICD [34].

Ačkoli studie zdůrazňují důležitou roli těchto afektivních (cue-reaktivita a touha) a kognitivních (očekávání souvisejících s internetem) ve vývoji a udržování specifické poruchy používání internetu, interakce těchto faktorů, která je postulována v I -PACE model, zůstává nejasný. Současná studie je založena na některých hlavních předpokladech modelu I-PACE, zejména na mediačních účincích afektivních a kognitivních mechanismů na vztah mezi základními charakteristikami člověka a příznaky ICD. Cílem této studie je prozkoumat vliv základních charakteristik člověka na ICD zprostředkovaný jak kognitivními předpojatostmi spojenými s internetem (např. Očekáváním používání internetu), tak afektivními předpojatostmi (např. Touhou vyvolanou touhou). Na základě Wegmann, Oberst [16], předpokládáme, že účinek očekávání, aby se zabránilo negativním emocím pomocí online komunikačních aplikací, je zprostředkován touhou vyvolanou touhou, jak je popsáno v modelu Brand, Young [7]. Jako druhý cíl studie se zaměřujeme na zkoumání role náchylnosti k nudě v MKN. Chtěli bychom proto lépe porozumět vztahu mezi základními charakteristikami člověka a příznaky specifické poruchy používání internetu, která dosud nebyla zkoumána v kontextu ICD.

Nudnost jako prediktor ICD

Konceptualizace nudy je určována různými situačními a individuálními faktory [35]. Samotná nuda může být popsána jako negativní stav mysli nebo vnitřní konflikt mezi očekávanou a vnímanou zkušeností [36, 37]. Brissett a sníh [38] definoval nudu jako stav „pod-stimulace, podvědomí a nedostatku psychického zapojení spojeného s nespokojeností a jednotlivci se snaží vypořádat se s nudou hledáním další stimulace“ [39]. Tento stav je také spojován s nepříjemnými pocity, z nichž se jednotlivci snaží uniknout [40, 41]. Pouhá nudnost je definována jako zvláštnost nuda. Konstrukce zdvořilosti nudy je často „operacionalizována jako náchylnost jednotlivce zažít nudu“ [35]. Mimořádnost nudy navíc zahrnuje obtíže jednotlivce upoutat pozornost na podnět, uvědomit si tento deficit pozornosti a pokusit se omezit zážitek nudy jako státu [35, 42].

Několik studií zdůrazňuje klinický význam nudnosti tím, že ukazuje, že nuda (výraznost) souvisí s konzumací alkoholu [43], používání psychoaktivních látek [44], indexy deprese a úzkosti [35] a zdravotní problémy obecně [45]. Zhou a Leung [46] ukázali, že nuda ve volném čase souvisí s riskantním chováním, jako je delikvence, extrémní senzační aktivita a zneužívání drog [36, 46, 47]. Jako možné vysvětlení vztahu mezi výčitkami nudy a užíváním návykových látek (např. Pití alkoholu), Biolcati, Passini [48] zkoumali potenciální mediační účinky očekávání na konzumaci alkoholu. Výsledky ilustrují, že účinek výraznosti nudy na chování při pití alkoholu je zprostředkován očekáváními, že unikne nudě, unikne problémům a vyrovná se s negativními pocity [48]. Empirický výzkum o různých závislostech na chování nebo patologickém chování dále vysvětluje význam nudy pro rizikové chování. Například Blaszczynski, McConaghy [49] ukázali, že jedinci s poruchou hazardu dosáhli vyššího skóre v případě nudných opatření ve srovnání s hráči bez hraní. Zdá se, že hazardní hry jim umožňují vyhnout se negativním stavům nebo náladám nebo je omezit. To je v souladu s výsledky uváděnými společností Fortune and Goodie [50] ilustrující, že patologické hazardní hry jsou spojeny s náchylností k nudě, což je dílčí stupnice formuláře Scale Seeking Scale Form V od Zuckerman, Eysenck [51].

Jak je popsáno výše, používání chytrých telefonů v každodenním životě je výsledkem snadného a trvalého přístupu, který umožňuje nepřetržitou komunikaci a zábavu [2, 52]. Předpokládáme, že možnost trvalé stimulace vede k časově náročnému a nadměrnému používání aplikací pro smartphone a online komunikaci. Stejně tak se zdá, že vyhýbání se pocitům nudy je hlavní motivací k používání internetu [53]. Lin, Lin [37] ukázali, že nuda a vysoká účast na internetu zvyšují pravděpodobnost poruchy používání internetu. Autoři zdůrazňují, že internet se zdá být možností hledání vzrušení a potěšení, což zvyšuje úroveň patologického využití. To je v souladu s předchozím výzkumem zdůrazňujícím vztah mezi poruchou užívání internetu a vyšší nudou [54-56]. Zhou a Leung [46] specifikovali tento vztah a ukázali, že nuda je prediktorem patologického využívání stránek sociálních sítí a patologického herního chování ve službách sociálních sítí. Elhai, Vasquez [42] ilustroval, že výraznější nuda zprostředkovává účinek deprese a úzkosti na problematické chování smartphonu. Celkově předpokládáme, že výraznost nudy jako rys nuda je osobním rizikovým faktorem vývoje ICD.

Shrnutí cílů studie

Cílem této studie je přispět k lepšímu pochopení základních afektivních a kognitivních mechanismů týkajících se symptomů ICD. Naše předpoklady jsou založeny na předchozích studiích, které uváděly vliv nudnosti na riziková chování, jako je zneužívání návykových látek [57], zdravotní rizikové faktory [46], patologické hazardní hry [50] nebo porucha používání internetu [37, 54]. Předpokládáme, že jedinci, kteří mají větší náchylnost k nudě a kteří opakovaně používají smartphone jako maladaptivní strategii zvládání, budou s větší pravděpodobností vyvinout patologické využití aplikací pro online komunikaci. V souladu s modelem I-PACE od Brand, Young [7], předpokládáme, že účinek výrazu nudy je zprostředkován konkrétními poznáními. Dále a na základě studie Biolcatiho, Passini [48] Rovněž předpokládáme, že zejména jednotlivci, kteří mají vyšší nudu, stejně jako očekávání, že se vyhnou negativním emocím pomocí aplikací pro online komunikaci, mají díky používání takových aplikací více negativních důsledků. Jako další cíl zkoumáme účinky afektivních a kognitivních reakcí. Model I-PACE naznačuje, že účinek očekávání vyhýbání se symptomům ICD je zprostředkován vyššími touhami. Celkově lze říci, že mediační účinek touhy vyvolané touhy může být také relevantní pro mediační účinek vyhýbání se očekáváním mezi nudou a ICD. Obr 1 shrnuje hypotézy v modelu strukturální rovnice.

thumbnail

 

Obr. 1. Hypotezizovaný model.

Hypotizovaný model pro analýzu navrhovaných přímých a nepřímých účinků včetně latentních proměnných ICD.

https://doi.org/10.1371/journal.pone.0195742.g001

Metody

Účastníci a postup

Sto čtyřicet osm účastníků ve věku mezi 18 a 60 let (M = 25.61, SD = 8.94) se zúčastnil této studie. Z nich byly 91 ženy a 57 muži. Všichni účastníci byli uživateli aplikací pro online komunikaci, od dvou do 19 let použití (M = 8.09, SD = 3.09). Nejčastěji používanou aplikací byla aplikace online komunikace WhatsApp (97.97% všech účastníků), dále Facebook (78.38% všech účastníků), Facebook Messenger (62.84% všech účastníků) a Instagram (53.38% všech účastníků) . Jiné online komunikační aplikace, jako je Twitter, iMessage, Snapchat nebo Skype, využilo méně než 50% všech účastníků. Účastníci stráví v průměru 125.41 minut (SD = 156.49) denně pomocí WhatsApp, následované Instagramem (M = 57.97, SD = 78.76), Snapchat (M = 53.71, SD = 65.40) a Facebook (M = 55.48, SD = 84.74). Všechny ostatní aplikace byly použity v průměru méně než 30 minut denně.

Vzorek jsme přijali na University of Duisburg-Essen (Německo) prostřednictvím mailing listů, online sociálních sítí a ústních doporučení. Studie byla prováděna v laboratoři, v individuálním prostředí. Zaprvé byli účastníci o postupu písemně informováni a dali písemný souhlas. Požádali jsme je, aby během účasti přepnuli chytré telefony do režimu letu a nechali je v kapse. Poté účastníci odpověděli na online dotazníky a provedli paradigma cue-reaktivity, jakož i další experimentální paradigmata, která nejsou pro současný rukopis relevantní. Poté účastníci odpověděli na další online dotazníky, jako je stupnice nudnosti, stupnice využití internetu a krátký test závislosti na internetu, který bude vysvětlen níže. Celkově studie trvala asi jednu hodinu. Studenti získali za svoji účast kredity. Studii schválila etická komise University of Duisburg-Essen.

Přístroje

Upravená verze krátkého testu závislosti na internetu pro poruchu internetové komunikace (s-IAT-ICD).

Tendence ICD byly měřeny krátkou verzí testu závislosti na internetu (s-IAT) od Pawlikowského, Altstötter-Gleich [58]. Pro tuto studii jsme použili upravenou verzi pro ICD (s-IAT-ICD) [15]. Měřítko hodnotí subjektivní stížnosti v každodenním životě díky používání aplikací pro online komunikaci. Na začátku je uvedena definice aplikací pro online komunikaci. Pokyny zdůrazňují, že termín aplikace pro online komunikaci zahrnuje aktivní (např. Psaní nových příspěvků) i pasivní (např. Prohlížení a čtení nových příspěvků) používání sociálních sítí a blogů, jako je Facebook, Twitter a Instagram. , stejně jako Instant messenger, jako je WhatsApp.

Účastníci musí hodnotit dvanáct položek na pětibodové Likertově stupnici (od 1 = „nikdy“ do 5 = „velmi často“). Bylo vypočteno souhrnné skóre v rozmezí od dvanácti do 60. Skóre> 30 indikuje problematické použití online komunikačních aplikací, zatímco skóre> 37 označuje patologické použití online komunikačních aplikací. Dotazník se skládá ze dvou faktorů (každý po šesti položkách): ztráta kontroly / řízení času (s-IAT-ICD 1: α = 849) a sociální problémy / touha (s-IAT-ICD 2: α = 708). Celková vnitřní konzistence byla a = 842. Oba faktory představují latentní rozměr ICD v modelu strukturální rovnice.

Cue-reaktivita a touha.

Ke zkoumání cue-reaktivity a touhy bylo použito paradigma cue-reaktivity sestávající z dvanácti obrázků souvisejících s aplikacemi online komunikace [34, 59]. Vizuální podněty ukazovaly různé smartphony zobrazující konverzaci prostřednictvím různých online komunikačních aplikací. Podněty byly předzkoušeny a popsány v dřívější studii Wegmanna, Stodta [34]. V této studii účastníci hodnotili každý obrázek týkající se vzrušení, valence a nutkání používat smartphone na pětibodové Likertově stupnici (od 1 = „žádné vzrušení / valence / nutkání“ do 5 = „vysoké vzrušení / valence / nutkání“ ). Prezentace® (Verze 16.5, www.neurobs.com) byla použita pro prezentaci a hodnocení tága.

Kromě toho jsme použili dotazník o touze po alkoholu [60] upraveno pro použití chytrých telefonů k posouzení touhy [34]. Dotazník byl předložen před a po paradigmatu cue-reaktivity pro měření základní touhy (základní hodnota DAQ-ICD) a potenciálních změn touhy po expozici tága (DAQ-ICD po craving). Účastníci proto museli hodnotit položky 14 (např. „Používání smartphonu by právě teď vyhovovalo“)) podle Likertovy stupnice (od 0 = „úplný nesouhlas“ do 6 = „úplná dohoda“). Po převrácení jedné položky jsme vypočítali průměrné skóre [59]. Vnitřní konzistence byly a = .851 pro DAQ-ICD základní touhu a a = .919 pro DAQ-ICD po craving. V následujících analýzách byly použity DAQ-ICD post-craving a hodnocení paradigmatu cue-reaktivity k reprezentaci latentní dimenze cue-indukované touhy v modelu strukturální rovnice.

Upravená verze stupnice očekávání používání internetu pro online komunikaci (IUES).

Stupnice očekávání používání internetu (IUES) [17] upraveno pro online komunikaci bylo použito k posouzení očekávání účastníků na používání aplikací online komunikace [16]. Dotazník obsahuje dva faktory (každý po šesti položkách): pozitivní posílení (např. „Používám aplikace pro online komunikaci k potěšení“; IUES pozitivní: α = .838) a očekávání vyhýbání (např. „Používám aplikace pro online komunikaci k odvrátit se od problémů “; vyhýbání se IUES α = .732). Účastníci museli hodnotit každou položku na šestibodové Likertově stupnici (od 1 = „zcela nesouhlasím“ do 6 = „zcela souhlasím“). Na základě dřívějších výzkumů a teoretických předpokladů byla pro následující analýzy relevantní pouze proměnná očekávání vyhýbání.

Krátká stupnice nudnosti (BPS).

Krátká stupnice nudnosti (BPS) od Struka, Carriere [61] byl použit k posouzení zvláštnosti nudy. Měřítko se skládá z osmi položek (např. „Trvá víc stimulace, než mě dostanu, než většina lidí“), které musely být hodnoceny na sedmibodové Likertově stupnici (od 1 = „zcela nesouhlasím“ do 7 = „zcela souhlasím“) “). Byla vypočtena celková průměrná hodnota. Vnitřní konzistence byla α = .866.

Statistické analýzy

Statistické analýzy byly provedeny pomocí SPSS 25.0 pro Windows (IBM SPSS Statistics, uvolněno 2017). Vypočítali jsme Pearsonovy korelace, abychom testovali bivariační vztahy mezi dvěma proměnnými. Korelace byly interpretovány podrobněji pomocí velikosti efektů. Založeno na Cohen [62], Pearsonův korelační koeficient r ≥. 01 označuje malý, r ≥ .03 jako médium a r ≥ .05 velký efekt. Analýzy modelu strukturální rovnice (SEM) byly vypočteny pomocí Mplus 6 [63]. K vyhodnocení modelového přizpůsobení SEM jsme použili standardizovaný zbytkový průměr druhé mocniny (SRMR; hodnoty <08 označují dobrou shodu s daty), chybu střední kvadratické hodnoty aproximace (RMSEA; hodnoty <08 označují dobrou a <10 přijatelné přizpůsobení datům) a srovnávací indexy přizpůsobení (CFI a TLI; hodnoty> 90 označují přijatelné a> 95 označují dobré přizpůsobení datům) [64, 65]. Také jsme použili χ2-Zkontrolujte, zda data pocházejí z definovaného modelu. Jako další krok ke snížení chyb měření pro SEM jsme použili metodu parcelingu položek pro proměnné, které jsou reprezentovány jako manifestní proměnné. Tato metoda umožňuje vytváření latentních dimenzí pro tyto proměnné v SEM [66, 67]. Proto jsme zkontrolovali vzájemné korelace mezi položkami každé stupnice a poté vytvořili dva faktory pro latentní dimenze IUES a BPS.

výsledky

Popisné hodnoty a vícerozměrné statistiky

Průměrné hodnoty a směrodatné odchylky všech dotazníků, stejně jako hodnocení paradigmatu cue-reaktivity, lze nalézt v Tabulka 1. Konstruované proměnné položky parceling jsou zahrnuty jako další hodnoty. Tabulka 2 ukazuje bivariační korelace mezi těmito proměnnými. Na základě cut-off skóre Pawlikowského, Altstötter-Gleich [58], Účastníci 23 ukázali problematické a sedm účastníků prokázalo patologické použití aplikací online komunikace, které je spojeno s subjektivními stížnostmi v každodenním životě v důsledku používání těchto aplikací a popisuje příznaky ICD.

thumbnail

 

Tabulka 1. Průměrné hodnoty, směrodatné odchylky a rozmezí skóre s-IAT-ICD a použitých měřítek.

https://doi.org/10.1371/journal.pone.0195742.t001

thumbnail

Stáhnout:

Powerpointový snímek

větší obrázek

původní obrázek

Tabulka 2. Bivariační korelace mezi skóre s-IAT-ICD a aplikovanými měřítky.

https://doi.org/10.1371/journal.pone.0195742.t002

Strukturální rovnice

Hypotezizovaný model strukturální rovnice na latentní úrovni ukázal vynikající shodu s daty (SRMR = .029, CFI = .986, TLI = .972, RMSEA = .063, p = .299, BIC = 3962.65). χ2-Test také ukázal dobrou kondici (χ2 = 22.25, p = .074, χ2/ df = 1.59). Všechny definované latentní dimenze byly dobře reprezentovány použitými proměnnými manifestu. V prvním kroku výsledky naznačují, že nuda (β = .384, SE = .096, p ≤ .001), touha vyvolaná touhou (β = .414, SE = .102, p ≤ .001) a očekávání vyhýbání se (β = .255, SE = .109, p = .011) byly významné prediktory tendencí ICD. Nálada nudy měla také přímý vliv na touhu vyvolanou touhou (β = .411, SE = .100, p ≤ .001) a očekávání vyhýbání (β = .567, SE = .084, p ≤ .001). Naděje na vyhýbání se navíc byla významným prediktorem touhy vyvolané cue (β =. 361, SE = .107, p = .001). Vliv výraznosti nudy na příznaky ICD byl zprostředkován touhou vyvolanou touhou (β =. 170, SE = .058, p = .003) a podle očekávání vyhýbání (β = .145, SE = .063, p = .021). Vliv očekávání vyhýbání se na tendence ICD byl také zprostředkován touhou vyvolanou touhou (β = .149, SE = .059, p = .011). Kromě toho vztah mezi zdvořilostí nudy a symptomy ICD byl zprostředkován očekáváním vyhýbání se a navíc touhou vyvolanou narážkou (nuda pronace - očekávání vyhýbání - touhou vyvolanou narážkou - ICD; β = .085, SE = .037, p = .021); toto zprostředkování však mělo jen malý účinek. Celkově analyzovaný model významně vysvětlil 81.60% rozptylu symptomů ICD. Obr 2 ukazuje model s faktorovým zatížením, β-váhami a koeficienty.

thumbnail

Stáhnout:

Powerpointový snímek

větší obrázek

původní obrázek

Obr. 2. Výsledky modelu strukturální rovnice.

Výsledky modelu strukturální rovnice s ICD jako závislou proměnnou, včetně faktorového zatížení popsaných latentních proměnných a doprovodných β-váh, p- hodnoty a zbytky.

https://doi.org/10.1371/journal.pone.0195742.g002

Další analýzy

Model popsaný dříve byl založen na teoretických úvahách a dalších empirických důkazech, jako jsou modely strukturálních rovnic Wegmann, Stodt [15] a Wegmann a Brand [8]. Chtěli jsme však následně kontrolovat model pro další možné ovlivňující faktory, abychom lépe porozuměli základním mechanismům ICD. Prvním problémem, který jsme se zabývali, bylo úzké spojení nudnosti s depresí a úzkostí [35, 68, 69]. Aktuální studie Elhai, Vasquez [42] ukazuje, že vztah mezi psychopatologickými symptomy a problematickým používáním chytrých telefonů je zprostředkován vyšší nudou. Posoudili jsme psychopatologické příznaky, jako je deprese (M = 0.53, SD = 0.53), interpersonální citlivost (M = 0.72, SD = 0.64) a úzkost (M = 0.55, SD = 0.49) pomocí dotazníku Stručný přehled příznaků Derogatis [70]. Protože proměnné operativní psychopatologické symptomy významně korelovaly s ostatními proměnnými současného modelu (všechny r'≤ .448, vše p's ≤. 024) jsme do modelu zahrnuli psychopatologické symptomy (konkrétně depresi, mezilidskou citlivost a úzkost). Na základě mediačního modelu Elhai, Vasquez [42] ověřili jsme, zda účinek nudnosti je založen na konstrukci psychopatologických symptomů nebo zda nuda popisuje vlastní statistický přírůstek, jak byl zdůrazněn v dřívějších studiích [35, 42, 68].

Jak je znázorněno v Obr 3výsledky ukazují, že psychopatologické symptomy hrají klíčovou roli ve vývoji a udržování ICD, což je v souladu s předchozím výzkumem [8, 15, 42]. Po zahrnutí psychopatologických symptomů do modelu strukturální rovnice se však význam nudnosti jako důležitého prediktoru symptomů ICD významně nesnižuje. To zdůrazňuje, že nudnost a psychopatologické příznaky jsou příbuzné, ale nezávislé konstrukty, jejichž účinky na tendence ICD jsou zprostředkovány kognitivními a afektivními složkami. Výsledky modelu přídavné strukturální rovnice včetně faktorového zatížení popsaných latentních proměnných a doprovodných β-hmotností, p- hodnoty a zbytky jsou shrnuty v Obr 3.

thumbnail

Obr. 3. Výsledky modelu přídavné strukturální rovnice.

Výsledky modelu strukturální rovnice s psychopatologickými příznaky jako další predikční proměnná včetně faktorového zatížení popsaných latentních proměnných a doprovodných β-váh, p- hodnoty a zbytky (zkratky: PP = psychopatologické symptomy, BP = nuda, AE = očekávání vyhýbání se, CRAV = narážka vyvolaná narážkou, ICD = porucha internetové komunikace).

https://doi.org/10.1371/journal.pone.0195742.g003

Rovněž jsme věk a pohlaví považovali za potenciální proměnné, které mohou ovlivnit strukturu současného modelu. Proto jsme nejprve vypočítali korelace mezi věkem a všemi ostatními proměnnými. Výsledky naznačují malé korelace (všechny r's ≤ -376). Tyto korelace ilustrují známý vzorec, že ​​mladší účastníci zažívají v každodenním životě vyšší subjektivní stížnosti v důsledku nadměrného používání aplikací pro online komunikaci. Jako další krok jsme kontrolovali naše data z hlediska genderových rozdílů pomocí t-testů pro nezávislé vzorky. Výsledky ukázaly, že mezi účastníky mužského a ženského pohlaví nebyl významný rozdíl (p ≥ .319). Model strukturální rovnice s dodatečnou analýzou podle pohlaví byl vypočten s použitím průměrné strukturální analýzy jako způsobu postupu [71]. Indexy shody modelu strukturální rovnice ukazují, že data jsou v souladu s daty (CFI = .975, TLI = .961, SRMR = .060, RMSEA = .075, p = .194, BIC = 4050.63). Pro účastníky mužského i ženského pohlaví jsme našli podobné výsledky. Účastnice vykazovaly podobné mediační účinky, jak je znázorněno na hypotetickém modelu strukturální rovnice. U mužů jsme nenašli žádný přímý účinek od očekávání vyhýbání se tendencím ICD (β = .153, SE = .133, p = .249), žádný zprostředkující účinek očekávání vyhýbání se vztahu mezi zdánlivostí nudy a ICD (β = .029, SE = .030, p = .327) a žádný zprostředkující účinek touhy po vztahu mezi zdvořilostí nudy a příznaky ICD (β = .073, SE = .065, p = .262). Vzhledem k malým velikostem vzorku, zejména pokud jde o samčí vzorek, musí být výsledky projednány opatrně a měly by být kontrolovány v dalších studiích.

Diskuse

V této studii jsme testovali platnost teoretického modelu, který předpokládá interakce mezi významem nudy a afektivními a kognitivními složkami pro vysvětlení symptomů ICD. Model strukturální rovnice na latentní úrovni poskytl vynikající shodu s daty pomocí metody parceling položky, aby se snížily chyby měření. Zcela nuda a meditační účinky kognitivních a afektivních složek, jmenovitě vyhýbání se očekáváním a touha vyvolaná touhou, vysvětlovaly 81.60% rozptylu příznaků ICD. Výsledky ilustrují, že nálada nudy má přímý vliv na vývoj a udržování MKN. Byl to významný prediktor očekávání, abychom se vyhnuli negativním emocím a aby unikli realitě i narážce vyvolané touhou. Tyto afektivní a kognitivní složky zprostředkovaly účinek nudnosti na ICD. Výsledky dále zdůrazňují interakci zmíněných mediátorů, protože účinek očekávání vyhýbání se symptomům ICD byl částečně zprostředkován touhou vyvolanou touhou. Kromě toho zprostředkování očekávání vyhýbání se vztahu mezi výrazem nudy a symptomy ICD bylo zprostředkováno touhou vyvolanou touhou.

Výsledky podporují hypotézu, že vztah mezi náchylností k nudě jako součásti základních charakteristik osoby a zkušeností s negativními důsledky v důsledku nadměrného používání aplikací online komunikace je zprostředkován afektivními a kognitivními reakcemi na vnější kontextové podněty. , například vizuální podněty zobrazující konverzace prostřednictvím různých online komunikačních aplikací. Současné výsledky rozšiřují poznatky z dřívějších studií, které již prokázaly, že psychopatologické symptomy (jako je deprese nebo sociální úzkost) a osobnostní aspekty (jako je zranitelnost stresem nebo sebeúcta) mají vliv na příznaky ICD, které jsou zprostředkovány specifickými poznáními (například nefunkční styl zvládání nebo očekávání používání internetu) [8, 15]. Výsledky jsou v souladu s teoretickým modelem I-PACE navrženým Brandem Youngem [7]. Ústředním prvkem modelu I-PACE je účinek základních charakteristik osoby v subjektivním vnímání situace, např. Při střetu se stimuly souvisejícími se závislostí, osobními konflikty nebo stresem. Subjektivně zbarvené vnímání situačních prvků vede k individuálním afektivním a kognitivním reakcím, jako je cue-reaktivita a touha, která je popsána jako touha použít určitou aplikaci a snížit negativní afektivní stavy [20, 24]. Výsledky současné studie podporují tento předpoklad tím, že ukazují, že účastníci, kteří mají vyšší náchylnost k prožívání nudy (jako jedna ze základních charakteristik osoby), nebo k neschopnosti regulovat pozornost vůči podnětům [35], mají vyšší riziko při nadměrném používání aplikací pro online komunikaci. Výsledky jsou také posíleny studií Elhai, Vasquez [42], jakož i naší další analýzou, která zdůrazňuje, že psychopatologické příznaky, jako je deprese, mezilidská citlivost a úzkost, by mohly vést k vyšší náchylnosti k nudě ak vyššímu riziku patologického využití aplikací online komunikace. Toto chování je posíleno, když jsou jednotlivci konfrontováni se specifickými podněty (souvisejícími s komunikací smartphonu) a zažívají touhu používat smartphone nebo konkrétní komunikační aplikaci. Vypadá to jako automatický zvyk používat smartphone poté, co viděl ikonu nebo poslouchal zvuk příchozí zprávy [34]. Uživatelé aplikací pro online komunikaci mohli takový zvyk vyvinout, aby se pokusili vyrovnat s nepříjemnými pocity, jako je nuda, a tak uniknout ze zkušeného pod-stimulace [20, 36].

Zprostředkovatelský účinek vyhýbání se očekávání na vztah nudnosti a symptomů ICD tento předpoklad podporuje. Podobně jako touha vyvolaná touhou, výsledky ukazují, že náchylnost k nudě vede k očekáváním, aby se zabránilo negativním emocím online a odvrátily se od problémů pomocí smartphonu nebo aplikací pro online komunikaci. To je v souladu s Biolcati, Passini [48] dokazující, že vztah mezi zdvořilostí nudy a návykovým pitím je zprostředkován očekáváními úniku z nedostatečné stimulace a reality. Autoři předpokládají, že zejména adolescenti, kteří jsou více náchylní k nudě ve svém volném čase, očekávají, že uniknou z negativních emocí pitím alkoholu, což zvyšuje riziko návykového pití [48]. Rizikové chování se zdá být jakýmsi maladaptivním mechanismem zvládání, kdy se jednotlivci snaží najít strategie, jak snížit náchylnost k nudě [35, 39, 40]. Výsledky Biolcati, Passini [48], Biolcati, Mancini [39] a Harris [40] ilustrují hlavní předpoklady modelu I-PACE, jako je hypotéza, že se jednotlivci pokoušejí uniknout negativním emocím nebo zvládnout neobvyklou náladu, zejména když jsou konfrontováni se stimuly souvisejícími se závislostí, což by mohlo vést k rozhodnutí použít určitou aplikaci. Od Zhou a Leung [46] již popsali asociaci nudnosti s hrou v prostředí sociálních sítí, současné výsledky tento vztah specifikují. Zkušenost z potěšení nebo stimulace v situaci pod vzrušení by mohla být popsána jako důležitý faktor, který zvyšuje riziko používání určitých online aplikací kvůli očekávání, že se opakovaně sníží negativní afektivní stavy v podobných situacích. To je v souladu s nálezy neuroimagingové studie Montag, Markowetz [72] kteří ukázali prospěšné aspekty používání Facebooku pomocí smartphonu a vyšší aktivaci ventrálního striata, když jednotlivci tráví čas službami sociálních sítí.

Druhým cílem studie bylo prozkoumat interakci afektivních a kognitivních odpovědí na vnější podněty. Bývalé studie již zkoumaly relevanci cue-reaktivity a touhy [34] a očekávání využití internetu [8, 15] a zejména očekávání vyhýbání se [16] pro vývoj a údržbu ICD. Význam těchto dvou konstruktů byl již prokázán pro specifické poruchy používání internetu, jako je například porucha nakupování na internetu nebo patologický nákup [18, 59], Porucha sledování internetové pornografie [29], Porucha hraní na internetu [30, 73, 74] nebo generalizovaná (nespecifická) porucha používání internetu [17]. Podle našich nejlepších znalostí neexistovala žádná studie, která by zkoumala interakce očekávání touhy a používání internetu, jak bylo předpokládáno v modelu I-PACE [7]. Autoři modelu I-PACE předpokládají, že očekávání používání internetu předpovídají touhu vyvolanou touhou, která má vliv na příznaky specifické poruchy používání internetu. Proto jsme předpokládali, že touha vyvolaná touhou působí jako prostředník mezi očekáváními používání internetu (hlavně očekáváními vyhýbání se) a příznaky ICD. Hypotéza je podporována současnými výsledky. Zjištění naznačují, že afektivní a kognitivní složky spolu interagují, což zdůrazňuje klíčové mechanismy teoretického modelu. Jednotlivci se zvláštními internetovými znalostmi (např. Očekávání, že se budou odvracet od problémů, uniknout realitě nebo vyhnout se osamělosti) se zdají být zranitelní vůči návykům spojeným se závislostí a zdá se, že zažívají vyšší reakce na touhu. Pokud jde o mechanismy zesílení navržené v modelu I-PACE, předpokládá se, že se jednotlivci rozhodnou použít své aplikace „první volby“, aby odvrátili pozornost od tohoto negativního stavu a zažili uspokojení nebo kompenzaci. To zvyšuje riziko ztráty kontroly nad používáním internetu [7]. Výsledky jsou prvním znakem poukazujícím na interakci mezi afektivními a kognitivními reakcemi na vnější a vnitřní podněty. Protože existují další komponenty, jako je pozornost předpojatosti a implicitní asociace, jakož i význam inhibičních kontrolních a výkonných funkcí [7], je třeba podrobněji prozkoumat souvislosti mezi těmito faktory. Budoucí studie by se proto měly zaměřit na ICD, ale také na další specifické poruchy používání internetu.

Výhled a důsledky

Používání chytrých telefonů a online komunikačních aplikací v každodenním životě se obecně jeví jako bezproblémové. Pro většinu jednotlivců je běžným zvykem používat smartphone při čekání na jinou osobu nebo například na vlak. Turel a Bechara [75] ilustrují význam impulsivity jako rizikového faktoru ICD. Celkově se zdá, že online komunikační aplikace jsou příkladem vztahu mezi výslovností nudy a patologickým používáním. Lze předpokládat, že zkušenost s uspokojením a kompenzací pomocí těchto aplikací je klíčovým mechanismem, pokud jde o vývojový proces ICD. Ačkoli jsou výsledky v souladu s teoretickými předpoklady modelu I-PACE od Brand, Young [7], by měl být v podélných studiích zkoumán vývoj návykového chování při online komunikaci a symptomů ICD, jakož i úloha nudnosti a afektivních a dalších kognitivních složek. Proto je zapotřebí více výzkumu, zejména pokud jde o specifické posilovací mechanismy.

Vzhledem k tomu by se výzkum kromě náchylnosti k nudě měl zaměřit také na subjektivně vnímanou situaci. Ben-Yehuda, Greenberg [76] již řešili význam státní nudy jako potenciálního rizikového faktoru pro vývoj závislosti na smartphonu, který je třeba zkoumat v dalším výzkumu. To zahrnuje zkušenost s nedostatečnou stimulací a nedostatečným vzrušením jako stav závislý na kontextu [38, 57]. Dá se předpokládat, že skutečně vnímaná nuda je dalším relevantním vysvětlením, proč si jednotlivci rozvíjejí automatický zvyk používat smartphone v situaci pod stimulace. To by mohlo být posíleno zkušeným potěšením a kompenzací, a proto by se zvýšila pravděpodobnost opětovného použití smartphonu ve srovnatelné situaci. Doposud by další studie měly mít na paměti, že situační faktory, jako je skutečná nálada, osobní konflikty, skutečná zkušenost s nudou nebo vnímaný stres, by mohly ovlivnit kognitivní a afektivní složky a rozhodnutí použít určitou aplikaci [7, 77].

Vzhledem k tomu, že čím dál více jednotlivců zažívá v každodenním životě negativní důsledky, jako jsou konflikty s rodinou a přáteli nebo problémy spojené s prací, které vyplývají z nekontrolovaného používání internetu a jeho specifických aplikací, je stále větší potřeba přiměřeného a řízeného intervence. V souvislosti s poruchami užívání internetu a jeho specifickými formami, jako je ICD, se předpokládá, že úspěch prevence a intervence závisí hlavně na přiměřenosti řešení příslušných faktorů. Vzhledem k tomu, že osobní charakteristiky mohou být obtížně modifikovatelné, by se intervence měly zaměřit na moderování a zprostředkování aspektů, aby se zabránilo nadměrnému používání určitých internetových aplikací [7]. V této studii byla zdůrazněna naděje na vyhýbání se negativním pocitům online a reakce vyvolané touhou hrát roli při vývoji a udržování ICD. Prvním krokem k funkčnímu používání internetu by mohlo být čerpání ze specifických očekávání využívání internetu pro změnu nepodmíněných poznání. Lidé, kteří mají potíže s nudou nebo kteří mají větší náchylnost k nudě, by měli být vyškoleni, aby si uvědomili, že internet nebo používání smartphonu není jediným způsobem, jak se vypořádat s každodenními situacemi, které zahrnují pod-stimulaci nebo dokonce nepříjemné pocity. Tento aspekt je zvláště důležitý, protože očekávání, že aplikace pro online komunikaci mohou podpořit únik ze skutečných životních problémů, může následně podpořit a zintenzivnit reakce na touhu, jak ukazují aktuální výsledky, zejména pokud se vyskytnou specifické podněty. V každodenním životě mohou být takové podněty například v každodenním životě, když vidí smartphone pomocí chytrého telefonu nebo si všimnou příchozí zprávy. To ve skutečnosti může jednotlivcům ještě více znemožnit odolávat touze používat určité aplikace. Jednotlivci si pak mohou vyvinout sníženou kontrolu nad používáním internetu, což má negativní důsledky. Dále by se měly systematicky snižovat tendence přístupu k aplikacím online komunikace kvůli zkušeným touhám prostřednictvím vzdělávacích programů, které jednotlivcům umožní naučit se, jak se vyhnout neregulovaným reakcím na specifické podněty [7]. Účinnost společných výcvikových metod vyžaduje další zkoumání, zejména u MKN.

Nakonec musíme zmínit některá omezení. Studie byla prováděna s praktickým vzorkem, který není reprezentativní pro celou populaci ani pro pacienty, kteří hledají léčbu s poruchou užívání internetu. Na základě současných výsledků se zdá být vhodné prozkoumat interakci nudnosti, touhy a očekávání využití v jiných vzorcích, jako jsou adolescenti a pacienti, kteří hledají léčbu. Dalším omezením je, že jsme se zaměřili pouze na ICD. Vzhledem k tomu, že k úniku z nudy nebo negativních pocitů lze použít i jiné internetové aplikace, měla by se studie opakovat se vzorky, které mají jiné použití podle první volby, jako je internetové hry, internetové nakupování nebo používání internetové pornografie.

Proč investovat do čističky vzduchu?

Cílem této studie bylo prozkoumat teoretické předpoklady týkající se vývoje a údržby ICD. Na základě modelu I-PACE byl kladen důraz na zprostředkování účinků kognitivních a afektivních složek, jmenovitě očekávání vyhýbání a touhy vyvolané narážkami, na vztah mezi základními charakteristikami člověka a příznaky ICD. Tato studie zkoumala účinek nudnosti jako proměnné zvláštnosti, která by mohla předpovídat příznaky ICD. Současné výsledky ukazují, že významnost nudy by mohla hrát v ICD důležitou roli. Jednotlivci, kteří mají větší náchylnost k nudě, vykazují vyšší očekávání, že se vyhnou negativním pocitům pomocí aplikací pro online komunikaci, což zase zvyšuje negativní důsledky v každodenním životě. Kromě toho je očekávání vyhýbání se spojeno s vyšší zkušeností s touhou. Může to být způsobeno potenciálně vyšší zranitelností podnětů souvisejících s internetovou komunikací, což pak ztěžuje nepoužívání aplikací pro online komunikaci. Díky těmto výsledkům se základní mechanismy ICD dostávají do úlevy. Intervenční pokusy, jejichž cílem je zabránit neregulovanému a nadměrnému používání internetu a jeho specifických aplikací, mohou být potenciálně optimalizovány zvážením koncepce nudnosti a její interakce s narážkou na reaktivitu, touhou a očekáváním.

Podpůrné informace

S1 File.sav

 

A

B

C

D

E

F

G

H

I

J

K

L

M

N

O

P

Q

1

Tabulka: Seznam dat                

2

pohlavístářísiatcom_gsiatcom1siatcom2Ver_RADAQPostBPS_meanIUE_SNneIUEco_a1IUEco_a2BPS_1BPS_2BSI_UiSkBSI_DeprBSI_AengBSI_Aggr

3

224.0000000000016.009.007.0043.791.882.251.003.501.752.00.50.00.17.20

4

223.0000000000036.0026.0010.0032.004.752.503.002.004.255.251.501.17.33.20

5

227.0000000000019.0013.006.001.003.631.752.501.003.254.00.25.33.17.20

6

227.0000000000019.0011.008.0042.004.253.754.503.004.504.00.75.831.17.60

7

228.0000000000023.0014.009.0022.572.882.753.002.502.253.501.00.831.171.00

8

222.0000000000012.006.006.001.211.132.503.002.001.001.25.00.00.17.40

9

222.0000000000033.0018.0015.0032.363.503.002.503.503.753.25.00.33.50.60

10

220.0000000000048.0026.0022.0034.505.383.003.003.005.255.50.00.17.00.00

11

218.0000000000025.0015.0010.002.362.754.754.505.002.503.00.75.33.331.00

12

254.0000000000012.006.006.001.002.002.502.003.002.501.50.25.00.00.60

13

221.0000000000033.0021.0012.0021.144.003.002.503.503.254.75.00.67.50.40

14

226.0000000000019.0013.006.001.933.131.502.001.003.502.75.00.17.33.60

15

224.0000000000022.0014.008.001.932.382.001.502.502.252.501.75.00.50.40

16

221.0000000000021.0013.008.0021.142.883.504.003.003.502.253.001.671.33.60

17

226.0000000000026.0015.0011.0022.294.132.252.502.004.753.50.50.50.33.20

18

223.0000000000032.0019.0013.0021.074.634.504.504.504.754.50.00.33.17.40

19

257.0000000000012.006.006.001.001.751.251.501.001.751.75.75.50.00.00

20

221.0000000000021.0010.0011.002.003.383.002.503.503.503.25.50.00.171.00

21

249.0000000000012.006.006.001.001.381.001.001.001.751.00.50.171.001.20

22

242.0000000000014.008.006.001.001.381.001.001.001.501.25.00.00.17.00

23

222.0000000000033.0022.0011.0032.143.134.505.503.503.502.75.50.33.67.20

24

221.0000000000031.0018.0013.0021.432.501.502.001.002.003.00.00.50.17.40

25

223.0000000000030.0022.008.002.931.003.253.503.001.001.00.50.17.17.20

26

228.0000000000023.0017.006.001.141.632.252.002.502.001.25.25.33.17.40

27

232.0000000000027.0014.0013.001.642.752.503.501.503.252.25.501.00.17.20

28

226.0000000000016.007.009.001.211.001.001.001.001.001.00.00.00.83.20

29

237.0000000000028.0016.0012.0022.003.503.003.003.003.503.501.501.171.501.00

30

229.0000000000019.0011.008.0032.003.882.753.502.003.504.25.251.83.00.20

31

220.0000000000039.0022.0017.0022.004.133.503.503.504.503.751.25.33.331.80

32

234.0000000000014.008.006.001.931.753.253.003.501.502.00.50.00.33.00

33

224.0000000000020.0012.008.002.431.631.001.001.001.751.50.25.00.00.40

34

226.0000000000035.0020.0015.0021.795.882.503.002.005.756.003.001.331.332.40

35

224.0000000000031.0016.0015.0032.713.384.254.504.003.503.25.25.33.00.20

36

223.0000000000034.0020.0014.0032.363.754.755.504.003.753.75.50.33.50.00

37

222.0000000000023.0013.0010.0022.362.502.753.002.503.751.25.50.33.33.60

38

226.0000000000020.0013.007.0021.361.752.251.503.002.251.25.00.50.67.00

39

218.0000000000019.0012.007.001.792.501.501.501.503.501.50.00.17.17.20

40

228.0000000000020.0013.007.001.214.254.254.504.005.003.501.00.33.50.60

41

227.0000000000028.0019.009.001.143.003.002.503.502.753.25.75.50.17.40

42

250.0000000000014.008.006.001.141.001.751.502.001.001.00.25.17.17.00

43

223.0000000000028.0021.007.0021.791.632.002.501.501.751.50.50.17.50.20

44

227.0000000000029.0014.0015.0012.642.382.252.002.503.251.501.75.331.171.00

45

221.0000000000026.0015.0011.0021.712.883.252.504.003.752.00.50.17.67.40

46

234.0000000000022.0011.0011.0011.211.752.252.002.502.001.50.00.00.33.00

47

231.0000000000014.008.006.001.001.251.001.001.001.251.25.00.00.17.20

48

227.0000000000025.0012.0013.001.213.631.751.502.004.253.00.75.67.33.80

49

221.0000000000033.0023.0010.001.713.134.004.004.002.753.501.501.831.171.40

50

220.0000000000020.0010.0010.001.001.632.502.003.001.751.50.00.17.17.20

fíkpodíl

 

Ke stažení

Dataset_PoNE-D-17-41307R2.sav.

Tento soubor je datovým souborem současné studie a obsahuje všechny proměnné a informace pro provedené analýzy.

(SAV)

Soubor S1. Dataset_PoNE-D-17-41307R2.sav.

Tento soubor je datovým souborem současné studie a obsahuje všechny proměnné a informace pro provedené analýzy.

https://doi.org/10.1371/journal.pone.0195742.s001

(SAV)

Reference

  1. 1. Statistiky. Počet uživatelů smartphonů po celém světě od 2014 do 2020 (v miliardách) 2017 [citováno 2017 22 / 11 / 2017].
  2. 2. Kuss DJ, Griffiths MD. Online sociální sítě a závislost: Recenze psychologické literatury. International Journal of Enviromental Research and Public Health. 2011; 8: 3528 – 52. pmid: 22016701
  3. 3. Amichai-Hamburger Y, Vinitzky G. Využití sociální sítě a osobnost. Počítače v lidském chování. 2010; 26 (6): 1289 – 95.
  4. Zobrazit článek
  5. Google Scholar
  6. 4. Statistiky. Počet aktivních uživatelů WhatsApp měsíčně po celém světě od dubna 2013 do července 2017 (v milionech) 2017 [citováno 2017 22 / 11 / 2017].
  7. 5. Statistiky. Počet aktivních uživatelů Facebooku po celém světě od 3rd čtvrtletí 2017 (v milionech) 2017 [citováno 2017 22 / 11 / 2017].
  8. Zobrazit článek
  9. PubMed / NCBI
  10. Google Scholar
  11. Zobrazit článek
  12. PubMed / NCBI
  13. Google Scholar
  14. Zobrazit článek
  15. PubMed / NCBI
  16. Google Scholar
  17. Zobrazit článek
  18. PubMed / NCBI
  19. Google Scholar
  20. Zobrazit článek
  21. Google Scholar
  22. Zobrazit článek
  23. PubMed / NCBI
  24. Google Scholar
  25. Zobrazit článek
  26. Google Scholar
  27. Zobrazit článek
  28. PubMed / NCBI
  29. Google Scholar
  30. Zobrazit článek
  31. Google Scholar
  32. Zobrazit článek
  33. PubMed / NCBI
  34. Google Scholar
  35. Zobrazit článek
  36. PubMed / NCBI
  37. Google Scholar
  38. Zobrazit článek
  39. Google Scholar
  40. Zobrazit článek
  41. PubMed / NCBI
  42. Google Scholar
  43. Zobrazit článek
  44. PubMed / NCBI
  45. Google Scholar
  46. Zobrazit článek
  47. Google Scholar
  48. Zobrazit článek
  49. PubMed / NCBI
  50. Google Scholar
  51. Zobrazit článek
  52. PubMed / NCBI
  53. Google Scholar
  54. Zobrazit článek
  55. PubMed / NCBI
  56. Google Scholar
  57. Zobrazit článek
  58. Google Scholar
  59. Zobrazit článek
  60. PubMed / NCBI
  61. Google Scholar
  62. Zobrazit článek
  63. PubMed / NCBI
  64. Google Scholar
  65. Zobrazit článek
  66. PubMed / NCBI
  67. Google Scholar
  68. Zobrazit článek
  69. PubMed / NCBI
  70. Google Scholar
  71. Zobrazit článek
  72. PubMed / NCBI
  73. Google Scholar
  74. Zobrazit článek
  75. PubMed / NCBI
  76. Google Scholar
  77. Zobrazit článek
  78. PubMed / NCBI
  79. Google Scholar
  80. Zobrazit článek
  81. PubMed / NCBI
  82. Google Scholar
  83. Zobrazit článek
  84. PubMed / NCBI
  85. Google Scholar
  86. Zobrazit článek
  87. Google Scholar
  88. Zobrazit článek
  89. Google Scholar
  90. Zobrazit článek
  91. Google Scholar
  92. Zobrazit článek
  93. PubMed / NCBI
  94. Google Scholar
  95. Zobrazit článek
  96. Google Scholar
  97. Zobrazit článek
  98. PubMed / NCBI
  99. Google Scholar
  100. Zobrazit článek
  101. Google Scholar
  102. Zobrazit článek
  103. Google Scholar
  104. Zobrazit článek
  105. Google Scholar
  106. Zobrazit článek
  107. PubMed / NCBI
  108. Google Scholar
  109. Zobrazit článek
  110. Google Scholar
  111. Zobrazit článek
  112. PubMed / NCBI
  113. Google Scholar
  114. Zobrazit článek
  115. Google Scholar
  116. Zobrazit článek
  117. Google Scholar
  118. Zobrazit článek
  119. PubMed / NCBI
  120. Google Scholar
  121. Zobrazit článek
  122. PubMed / NCBI
  123. Google Scholar
  124. Zobrazit článek
  125. PubMed / NCBI
  126. Google Scholar
  127. Zobrazit článek
  128. PubMed / NCBI
  129. Google Scholar
  130. Zobrazit článek
  131. PubMed / NCBI
  132. Google Scholar
  133. Zobrazit článek
  134. PubMed / NCBI
  135. Google Scholar
  136. Zobrazit článek
  137. Google Scholar
  138. Zobrazit článek
  139. Google Scholar
  140. Zobrazit článek
  141. Google Scholar
  142. Zobrazit článek
  143. PubMed / NCBI
  144. Google Scholar
  145. Zobrazit článek
  146. Google Scholar
  147. Zobrazit článek
  148. PubMed / NCBI
  149. Google Scholar
  150. Zobrazit článek
  151. Google Scholar
  152. Zobrazit článek
  153. PubMed / NCBI
  154. Google Scholar
  155. 6. Young KS, Pistner M, O'Mara J, Buchanan J. Cyber ​​nepořádky: Péče o duševní zdraví v novém tisíciletí. Cyberpsychologie a chování. 1999; 2: 475–9. pmid: 19178220
  156. 7. Značka M, Young KS, Laier C, Wölfling K, Potenza MN. Integrace psychologických a neurobiologických hledisek týkajících se vývoje a udržování specifických poruch užívání internetu: Model interakce osobního postižení - poznání - provedení (I-PACE). Neurovědy a biobehaviorální recenze. 2016; 71: 252 – 66. pmid: 27590829
  157. 8. Wegmann E, Brand M. Porucha internetové komunikace: Je to otázka sociálních aspektů, zvládání a očekávání používání internetu. Hranice v psychologii. 2016; 7 (1747): 1 – 14. pmid: 27891107
  158. Zobrazit článek
  159. Google Scholar
  160. Zobrazit článek
  161. PubMed / NCBI
  162. Google Scholar
  163. Zobrazit článek
  164. Google Scholar
  165. Zobrazit článek
  166. PubMed / NCBI
  167. Google Scholar
  168. Zobrazit článek
  169. Google Scholar
  170. 9. Choi SW, Kim DJ, Choi JS, Choi EJ, Song WY, Kim S, et al. Porovnání rizikových a ochranných faktorů spojených se závislostí na smartphonu a závislostí na internetu. Žurnál behaviorálních závislostí. 2015; 4 (4): 308 – 14. pmid: 26690626
  171. Zobrazit článek
  172. PubMed / NCBI
  173. Google Scholar
  174. Zobrazit článek
  175. PubMed / NCBI
  176. Google Scholar
  177. Zobrazit článek
  178. PubMed / NCBI
  179. Google Scholar
  180. Zobrazit článek
  181. PubMed / NCBI
  182. Google Scholar
  183. Zobrazit článek
  184. Google Scholar
  185. Zobrazit článek
  186. Google Scholar
  187. Zobrazit článek
  188. PubMed / NCBI
  189. Google Scholar
  190. 10. Montag C, Blaszkiewicz K, Sariyska R, Lachmann B, Andone I, Trendafilov B, et al. Použití smartphonu v 21st století: Kdo je aktivní na WhatsApp? Poznámky k výzkumu BMC. 2015; 8: 1 – 6.
  191. 11. Značka M, Young KS, Laier C. Prefrontální kontrola a závislost na internetu: Teoretický model a přehled neuropsychologických a neuroimagingových nálezů. Hranice v lidské neurovědě. 2014; 8 (375): 1 – 36. pmid: 24904393
  192. 12. Davis RA. Kognitivně behaviorální model patologického používání internetu. Počítače v lidském chování. 2001; 17: 187 – 95.
  193. 13. Spada MM. Přehled problematického používání internetu. Návykové chování. 2014; 39: Epub před tiskem. 3 – 6. pmid: 24126206
  194. 14. Billieux J, Maurage P, Lopez-Fernandez O, Kuss DJ, Griffiths MD. Může být neuspokojené používání mobilních telefonů považováno za závislost na chování? Aktualizace současných důkazů a komplexní model budoucího výzkumu. Aktuální zprávy o závislosti. 2015; 2 (2): 156 – 62.
  195. 15. Wegmann E, Stodt B, Brand M. Návykové používání stránek sociálních sítí lze vysvětlit interakcí očekávání používání internetu, internetové gramotnosti a psychopatologických symptomů. Žurnál behaviorálních závislostí. 2015; 4 (3): 155 – 62. pmid: 26551905
  196. 16. Wegmann E, Oberst U, Stodt B, Brand M. K příznakům poruchy internetové komunikace přispívá online strach z opomenutí a očekávání používání internetu. Hlášení návykových chování. 2017; 5: 33 – 42. pmid: 29450225
  197. 17. Značka M, Laier C, Young KS. Závislost na internetu: Zvládnutí stylů, očekávání a důsledků léčby. Hranice v psychologii. 2014; 5: 1 – 14.
  198. 18. Trotzke P, Starcke K, Müller A, Brand M. Patologický nákup online jako specifická forma závislosti na internetu: Experimentální výzkum založený na modelu. PLoS ONE. 2015; 10 (10): e0140296. pmid: 26465593
  199. 19. Sayette MA. Role touhy po poruchách užívání návykových látek: Teoretické a metodologické otázky. Každoroční přehled klinické psychologie. 2016; 12: 407 – 33. pmid: 26565121.
  200. 20. Hormes JM. Klinický význam touhy po návykovém chování: Přehled. Aktuální zprávy o závislosti. 2017; 4 (2): 132 – 41.
  201. 21. Bechara A. Rozhodování, impulsní kontrola a ztráta vůle odolávat lékům: Neokognitivní perspektiva. Přírodní neurověda. 2005; 8: 1458 – 63. pmid: 16251988
  202. 22. Carter BL, Tiffany ST. Metaanalýza cue-reaktivity ve výzkumu závislosti. Závislost. 1999; 94: 327 – 40. pmid: 10605857
  203. 23. Skinner MD, Aubin HJ. Craving's place in the addiction theorie: Příspěvky hlavních modelů. Neurovědy a biobehaviorální recenze. 2010; 34: 606 – 23. pmid: 19961872
  204. 24. Drummond DC. Teorie drogové touhy, starověké a moderní. Závislost (Abingdon, Anglie). 2001; 96: 33 – 46.
  205. 25. Schiebener J, Laier C, Brand M. Zasekáváte se pornografií? Nadužívání nebo zanedbávání cybersexových podnětů v multitaskingové situaci souvisí s příznaky závislosti na kybernetickém syndromu. Žurnál behaviorálních závislostí. 2015; 4 (1): 14 – 21. pmid: 25786495
  206. 26. Niu GF, Sun XJ, Subrahmanyam K, Kong FC, Tian Y, Zhou ZK. Touha po internetu vyvolaná mezi závislými na internetu. Návykové chování. 2016; 62: 1 – 5. pmid: 27305097
  207. 27. Tiffany ST, Wray JM. Klinický význam touhy po drogách. Annals z New York Academy of Sciences. 2012; 1248: 1 – 17. pmid: 22172057
  208. 28. Snagowski J, Brand M. Příznaky závislosti na kybernetickém syndromu mohou být spojeny s blížícími se pornografickými podněty a vyhýbáním se jim: Výsledky analogického vzorku pravidelných uživatelů kybernetického systému. Hranice v psychologii. 2015; 6: 653. pmid: 26052292
  209. 29. Laier C, Pawlikowski M, Pekal J, Schulte FP, Brand M. Závislost na Cybersexu: Zkušený sexuální vzrušení při sledování pornografie a ne skutečné sexuální kontakty jsou rozdílem. Žurnál behaviorálních závislostí. 2013; 2: 100 – 7. pmid: 26165929
  210. 30. Thalemann R, Wölfling K, Grüsser SM. Specifická reaktivita narážky na narážky související s počítačovými hrami u nadměrných hráčů. Behaviorální neurovědy. 2007; 121: 614 – 8. pmid: 17592953
  211. 31. Liu L, Yip SW, Zhang JT, Wang LJ, Shen ZJ, Liu B, et al. Aktivace ventrálního a dorzálního striatu během cue reaktivity při internetové herní poruše. Biologie závislosti. 2017; 3 (2): 791 – 801. pmid: 26732520.
  212. 32. Park CB, Park SM, Gwak AR, Sohn BK, Lee JY, Jung HY, et al. Účinek opakovaného vystavení narážkám na virtuální hazardní hry na nutkání hazardovat. Návykové chování. 2015; 41: 61 – 4. pmid: 25306387
  213. 33. Fernie BA, Caselli G, Giustina L, Donato G, Marcotriggiani A, Spada MM. Touha myslet jako prediktor hazardu. Návykové chování. 2014; 39: 793 – 6. pmid: 24531634
  214. 34. Wegmann E, Stodt B, Brand M. Touha vyvolaná narážkou na poruchu internetové komunikace pomocí vizuálních a sluchových narážek v paradigmatu narážky na reakci. Výzkum a teorie závislosti. 2017: Epub před tiskem.
  215. 35. LePera N. Vztahy mezi zdvořilostí nudy, všímavostí, úzkostí, depresí a užíváním návykových látek. Bulletin Nové školní psychologie. 2011; 8 (2): 15 – 23.
  216. 36. Iso-Ahola SE, Weissinger E. Vnímání nudy ve volném čase: Konceptualizace, spolehlivost a platnost stupnice pro volný čas. Žurnál výzkumu volného času. 1990; 22 (1): 1 – 17.
  217. 37. Lin CH, Lin SL, Wu CP. Účinky rodičovského sledování a nudy pro volný čas na závislost na internetu u adolescentů. Dospívání. 2009; 44 (176): 993 – 1004. Epub 2009 / 01 / 01. pmid: 20432612.
  218. 38. Brissett D, Snow RP. Nuda: Kde budoucnost není. Symbolická interakce. 1993; 16 (3): 237 – 56.
  219. 39. Biolcati R, Mancini G, Trombini E. Výzva k nudě a rizikovému chování během volného času adolescentů. Psychologické zprávy. 2017: 1 – 21. Epub 2017 / 08 / 05. pmid: 28776483.
  220. 40. Harris MB. Koreláty a vlastnosti nudnosti a nudy. Žurnál aplikované sociální psychologie. 2000; 30 (3): 576 – 98.
  221. 41. Mikulas WL, Vodanovich SJ. Podstata nudy. Psychologický záznam. 1993; 43 (1): 3 – 12.
  222. 42. Elhai JD, Vasquez JK, Lustgarten SD, Levine JC, hala BJ. Povaha k nudě zprostředkovává vztahy mezi problematickým používáním smartphonu s depresí a úzkostí. Recenze o sociálních vědách. 2017: 1 – 14.
  223. 43. Wiesner M, Windle M, Freeman A. Pracovní stres, užívání návykových látek a deprese mezi mladými dospělými pracovníky: Zkouška modelu hlavního a moderátorského účinku. Žurnál psychologie pracovního zdraví. 2005; 10 (2): 83 – 96. pmid: 15826220.
  224. 44. Anshel MH. Přehled elitních sportovců o vnímaných příčinách užívání zakázaných drog ve sportu. Žurnál sportovního chování. 1991; 14 (4): 283 – 310.
  225. 45. Thackray RI. Stres z nudy a jednotvárnosti: Posouzení důkazů. Psychosomatická medicína. 1981; 43 (2): 165 – 76. pmid: 7267937.
  226. 46. Zhou SX, Leung L. Gratifikace, osamělost, nuda pro volný čas a sebevědomí jako prediktoři závislosti na hře SNS a způsobu používání mezi čínskými vysokoškolskými studenty. Mezinárodní žurnál kybernetického chování, psychologie a učení. 2012; 2 (4): 34 – 48.
  227. 47. Caldwell LL, Smith EA. Zdravotní chování mládeže odcizené ve volném čase. Loisir et Société / Společnost a volný čas. 1995; 18 (1): 143 – 56.
  228. 48. Biolcati R, Passini S, Mancini G. „Nemohu vydržet nudu.“ Binge očekávání pití v dospívání. Hlášení návykových chování. 2016; 3 (Dodatek C): 70 – 6. pmid: 29532002
  229. 49. Blaszczynski A, McConaghy N, Frankova A. Výslovnost nuda v patologickém hazardu. Psychologické zprávy. 1990; 67 (1): 35 – 42. Epub 1990 / 08 / 01. pmid: 2236416.
  230. 50. Fortune EE, Goodie AS. Vztah mezi patologickým hazardním hrám a hledáním senzací: Úloha dílčích skóre. Žurnál hazardních her. 2010; 26 (3): 331 – 46. pmid: 19943092.
  231. 51. Zuckerman M, Eysenck S, Eysenck HJ. Hledání pocitů v Anglii a Americe: Mezikulturní srovnání, srovnání věku a pohlaví. Žurnál konzultační a klinické psychologie. 1978; 46 (1): 139 – 49. Epub 1978 / 02 / 01. pmid: 627648.
  232. 52. Neubaum G, Krämer NC. Moji přátelé hned vedle mě: laboratorní vyšetřování prediktorů a důsledků sociální blízkosti na sociálních sítích. CyberPsychologie, chování a sociální sítě. 2015; 18 (8): 443 – 9. pmid: 26252929
  233. 53. Lin CH, Yu SF. Použití internetu na Tchaj-wanu: Zkoumání genderových rozdílů. Dospívání. 2008; 43 (170): 317 – 31. pmid: 18689104.
  234. 54. Rahmani S, Lavasani MG. Vztah mezi závislostí na internetu s hledáním senzace a osobností. Procedia - společenské a behaviorální vědy. 2011; 30 (Dodatek C): 272 – 7.
  235. 55. Chaney MP, Chang CY. Trojice turmoi pro sexuálně závislé muže na internetu, kteří mají sex s muži: sklon k nudě, sociální propojenost a disociace. Sexuální závislost a kompulzivita. 2005; 12 (1): 3–18.
  236. 56. Velezmoro R, Lacefield K, Roberti JW. Vnímání stresu, hledání citů a zneužívání internetu vysokoškolskými studenty. Počítače v lidském chování. 2010; 26 (6): 1526 – 30.
  237. 57. Weybright EH, Caldwell LL, Ram N, Smith EA, Wegner L. Boredom náchylný nebo co dělat? Rozlišování mezi státem a zvláštnostmi pro volný čas a jejich vztah k užívání návykových látek u dospívajících v Jihoafrické republice. Volnočasové vědy. 2015; 37 (4): 311 – 31. pmid: 26085700.
  238. 58. Pawlikowski M, Altstötter-Gleich C, značka M. Validace a psychometrické vlastnosti krátké verze Youngova testu závislosti na internetu. Počítače v lidském chování. 2013; 29: 1212 – 23.
  239. 59. Trotzke P, Starcke K, Pedersen A, značka M. Cue-indukovaná touha v patologickém nákupu: Empirické důkazy a klinické důsledky. Psychosomatická medicína. 2014; 76 (9): 694 – 700. pmid: 25393125.
  240. 60. Love A, James D, Willner P. Srovnání dvou dotazů na chuť na alkohol. Závislost (Abingdon, Anglie). 1998; 93 (7): 1091 – 102.
  241. 61. Struk AA, Carriere JS, Cheyne JA, Danckert J. Krátká stupnice stupnice nudnosti. Posouzení. 2015; 24 (3): 346 – 59. pmid: 26467085.
  242. 62. Cohen J. Statistická analýza síly pro behaviorální vědy. 2 ed. Hillsdale, NJ: Erlbaum; 1988.
  243. 63. Muthén L, Muthén B. MPlus. Los Angeles: Muthén & Muthén; 2011.
  244. 64. Hu L, Bentler PM. Vyhodnocování vhodnosti modelu. In: Hoyle RH, redaktor. Problémy a aplikace konceptů modelování strukturálních rovnic. London: Sage Publications, Inc; 1995. str. 76 – 99.
  245. 65. Hu L, Bentler PM. Kritéria pro omezení indexů fit v analýze kovarianční struktury: konvenční kritéria versus nové alternativy. Modelování strukturální rovnice: Multidisciplinární časopis. 1999; 6: 1 – 55.
  246. 66. Marsh HW, Ludtke O, Nagengast B, Morin AJ, Von Davier M. Proč jsou balíčky položek (téměř) nikdy nevhodné: Dvě nesprávnosti nečiní právo - maskování chybné specifikace s položkami položek v modelech CFA. Psychologické metody. 2013; 18 (3): 257 – 84. pmid: 23834417.
  247. 67. Malý TD, Cunningham WA, Shahar G, Widaman KF. Chcete-li parcel nebo ne parcel: Zkoumání otázky, zvážení zásluh. Modelování strukturální rovnice: Multidisciplinární časopis. 2002; 9 (2): 151 – 73.
  248. 68. Sommers J, Vodanovich SJ. Výslovnost nudy: její vztah k psychologickým a fyzicko-zdravotním příznakům. Žurnál klinické psychologie. 2000; 56 (1): 149 – 55. Epub 2000 / 02 / 08. pmid: 10661377.
  249. 69. Gordon A, Wilkinson R, McGown A, Jovanoska S. Psychometrické vlastnosti stupnice nudnosti: Zkoumání její platnosti. Psychologická studia. 1997; 42 (2 – 3): 85 – 97.
  250. 70. Derogatis LR. BSI Brief Symptom Inventory: Administration, score and manual manuals. 1993. Epub třetí úpravy.
  251. 71. Dimitrov DM. Porovnání skupin na latentních proměnných: Modelování strukturální rovnice. Práce (čtení, mše). 2006; 26 (4): 429 – 36. Epub 2006 / 06 / 22. pmid: 16788262.
  252. 72. Montag C, Markowetz A, Blaszkiewicz K, Andone I, Lachmann B, Sariyska R, et al. Využití Facebooku na chytrých telefonech a objemu šedé hmoty jádra accumbens. Behaviorální výzkum mozku. 2017; 329: 221 – 8. pmid: 28442353.
  253. 73. Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS. Mozkové koreláty touhy po online hrách pod expozicí tága u subjektů se závislostí na internetu a u remitovaných subjektů. Biologie závislosti. 2013; 18: 559 – 69. pmid: 22026537
  254. 74. Ko CH, Liu GC, Yen JY, Yen CF, Chen CS, Lin WC. Mozkové aktivace jak pro stimulaci herního nutkání, tak pro kouření touhy mezi subjekty komorbovanými se závislostí na internetu a závislostí na nikotinu. Žurnál psychiatrického výzkumu. 2013; 47 (4): 486 – 93. pmid: 23245948
  255. 75. Turel O, Bechara A. Účinky motorické impulzivity a kvality spánku na nadávky, interpersonálně deviantní a nevýhodné chování na sociálních sítích online. Osobnostní a individuální rozdíly. 2017; 108: 91 – 7.
  256. 76. Ben-Yehuda L, Greenberg L, Weinstein A. Závislost na internetu pomocí vztahů mezi chytrými telefony mezi závislostí na internetu, četností používání chytrých telefonů a pohledem mysli studentů a studentů. Journal of Reward Deficiency Syndrome & Addiction Science. 2016.
  257. 77. Tavolacci MP, Ladner J, Grigioni S, Richard L, Villet H, Dechelotte P. Prevalence a asociace vnímaného stresu, užívání návykových látek a závislosti na chování: Průřezové studium mezi studenty univerzit ve Francii, 2009 – 2011. Veřejné zdraví BMC. 2013; 13: 724. pmid: 23919651.