Udvikling af koreansk smartphone afhængighed proneness skala for ungdom (2012)

PLoS One. 2014 kan 21; 9 (5): e97920. doi: 10.1371 / journal.pone.0097920.

Kim D1, Lee Y1, Lee J1, Navn JK1, Chung Y2.

Forfatterinformation

  • 1Department of Education, Seoul National University, Seoul, Sydkorea.
  • 2Department of Education, Korea National University of Education, CheongJu, Sydkorea.

Abstrakt

Denne undersøgelse udviklede en Smartphone Addiction Proneness Scale (SAPS) baseret på den eksisterende internet- og mobiltelefonafhængighedsskala. Til udviklingen af ​​denne skala blev 29 emner (1.5 gange det endelige antal emner) oprindeligt udvalgt som foreløbige emner, baseret på tidligere undersøgelser om internet/telefonafhængighed samt involverede eksperters kliniske erfaring. Den foreløbige skala blev administreret til et nationalt repræsentativt udvalg på 795 elever i grundskoler, mellemskoler og gymnasier i hele Sydkorea. Derefter blev de sidste 15 elementer udvalgt i henhold til resultaterne af pålidelighedstesten. Den endelige skala bestod af fire underdomæner: (1) forstyrrelse af adaptive funktioner, (2) virtuel livsorientering, (3) tilbagetrækning og (4) tolerance. Den endelige skala indikerede en høj pålidelighed med Cronbachs α på .880. Understøttelse af skalaens kriterievaliditet er blevet demonstreret ved dens forhold til internetafhængighedsskalaen, KS-II (r = .49). Til analysen af ​​konstruktionsvaliditet testede vi den strukturelle ligningsmodel. Resultaterne viste, at firefaktorstrukturen var gyldig (NFI = .943, TLI = .902, CFI = .902, RMSEA = .034). Smartphone-afhængighed får et større søgelys som muligvis en ny form for afhængighed sammen med internetafhængighed. SAPS ser ud til at være en pålidelig og valid diagnostisk skala til screening af unge, der kan være i risiko for smartphone-afhængighed. Yderligere implikationer og begrænsninger diskuteres.

tal

Citation: Kim D, Lee Y, Lee J, Nam JK, Chung Y (2014) Udvikling af koreansk smartphone-afhængighedsskala for unge. PLoS ONE 9(5): e97920. doi:10.1371/journal.pone.0097920

Redaktør: Amanda Bruce, University of Missouri-Kansas City, USA

modtaget: December 19, 2013; Accepteret: April 16, 2014; Udgivet: Maj 21, 2014

Copyright: © 2014 Kim et al. Dette er en artikel med åben adgang distribueret under betingelserne i Creative Commons Navngivelseslicens, som tillader ubegrænset brug, distribution og reproduktion i ethvert medium, forudsat at den oprindelige forfatter og kilde krediteres.

Finansiering: Forfatterne har ingen støtte eller finansiering til at rapportere.

Konkurrerende interesser: Forfatterne har erklæret, at der ikke findes konkurrerende interesser.

Introduktion

Udbredelsen af ​​personlige computere i 1990'erne affødte en digital revolution. Personlige desktops udviklede sig hurtigt til PMP'er, tablet-pc'er og smartphones - enheder, der er blevet mere og mere almindelige i folks liv. Især er distributionsraten for smartphones i en opadgående tendens på verdensplan siden 2000 [1]. En sådan udbredt brug af smartphones er blevet kaldt "Smart Revolution", og har medført dramatiske ændringer i folks daglige liv. Selvom smartphonebrug har gjort livet mere bekvemt for mange mennesker, har det også medført negative virkninger inden for psykologisk velvære, interpersonelle forhold og fysisk sundhed. For eksempel på grund af nem adgang til online miljø gennem smartphones, negative konsekvenser af online desinfektion virkning karakteriseret ved nedsatte adfærdshæmninger [2] [3] bliver mere udbredt, især i former for cybervold.

Nutidens unge er meget modtagelige over for nye former for medier såsom smartphones [4] da de er den første generation, der er vokset op omgivet af forskellige former for højteknologiske medier [5]. Dette kan betyde, at unge er mere modtagelige for de negative virkninger af smarte medier end ældre aldersgrupper. I Sydkorea har unge afhængige af smartphone nået 11.4 % af befolkningen, hvor de øverste 2.2 % har svært ved at leve ud af deres hverdag på grund af deres afhængighed [6]. Før udbredelsen af ​​smartphones optog mobiltelefoner en stor del af unges liv til det punkt, hvor nogle rapporterede at opleve høje niveauer af angst, når deres telefon ikke altid er tændt. [4]. Mobiltelefonafhængighed og alder ser ud til at være omvendt proportional, idet yngre mennesker bruger deres telefoner hyppigere [8], og to gange større sandsynlighed for at indrømme at være "mobiltelefonafhængig" end voksne [9]. For unge er telefonbaseret kommunikation en vigtig måde at bevare deres sociale relationer på [7]. Da smartphoneafhængighed er ved at blive et stort problem blandt unge, synes det at være påtrængende at udvikle en skala, der kan estimere niveauer og tilstande af smartphoneafhængighed blandt unge for at beskytte dem mod afhængighedens negative virkninger.

Fordi distributionen af ​​smartphones er et relativt nyt fænomen, er undersøgelser, der har defineret de unikke symptomer på smartphone-afhængighed, sjældne. Det tætteste koncept til smartphone-afhængighed kan være mobiltelefonafhængighed, som anses for at være en form for adfærdsafhængighed karakteriseret ved problemer med impulskontrol. Rapporterede symptomer på mobiltelefonafhængighed omfatter abstinenser, tolerance, forstyrrelse af adaptive funktioner, tvang og patologisk fordybelse [12] og afholdenhed, mangel på kontrol og problemer afledt af brugen, og tolerance og interferens med andre aktiviteter [13]. Eksisterende mobiltelefonafhængighedsvægte [47] [48] [49] er udviklet baseret på Young [10]'s Internet Addiction Test (IAT) og Goldberg [11]'s diagnostiske kriterier for internetafhængighed.

Men smartphones er forskellige fra mobiltelefoner på fire hovedområder. For det første er smartphonebrugere mere dynamisk involveret i enheden end almindelige mobiltelefonbrugere. Smartphonebrugere engagerer sig aktivt i selve enheden og indholdet (applikationerne) samtidigt og kan spille en rolle som producent ved at skabe personlige applikationer. Da applikationer giver smartphonebrugere mulighed for at give øjeblikkelig, gensidig feedback, har smartphonebrugere en tendens til at være aktive, deltagende, relationelle, kompetente og produktive [15]. Som følge heraf har smartphonebrug vist sig at være direkte proportional med applikationsbrug [14]. For det andet lægger smartphones større vægt på de sensoriske funktioner, der stimulerer brugernes udtryksfulde side [16]. Smartphones karakteristiske brugergrænsefladesystem, som inkluderer touchskærmbetjening, tastaturarrangementer, ikoner, fornuftigt design og andre komponenter, gør det muligt for brugeren at afsløre sin individualitet [17]. Betydningen af ​​det udtryksfulde aspekt af smartphone-applikationer kan også ses i det faktum, at brugere foretrækker applikationer, der giver flere brugere mulighed for at have det sjovt sammen og være socialt udtryksfulde frem for applikationer, der kun kan nydes alene [18]. For det tredje giver smartphones en konvergens af tjenester såsom kamera, MP3, GPS, web-browsing, opkald, e-mail, spil og sociale netværkstjenester (SNS) [19] [20] på én bærbar enhed. Også kaldet "håndholdt internet", smartphones' portabilitet giver mulighed for realtids- og personaliserede tjenester overalt, som ikke kunne opfyldes på en typisk stationær computer. Desuden underretter smartphones "Push Service" brugerne med relevante opdateringer, såsom nyeste e-mails eller Facebook-svar, selv før brugeren beder om dem [21]. Sådanne personlige tjenester leveret af smartphones kan være nyttige, men kan også få folk til at overbruge deres smartphones [22] [23]. Endelig viser mennesker i forskellige aldersgrupper forskellige smartphone-brugsmønstre. Teenagere bruger hovedsageligt deres smartphones til kamera, MP3 og andre underholdningsfunktioner; folk i 20'erne bruger hovedsageligt SNS; og folk i 30'erne og 40'erne administrerer typisk deres tidsplaner, kontaktliste, e-mail og andre forretningsrelaterede funktioner [24] [25].

På trods af smartphones' karakteristiske egenskaber som nævnt ovenfor, var mange af de eksisterende smartphone-afhængighedsskalaer identiske med mobiltelefonafhængighedsskalaen, hvor ordet "mobiltelefon" simpelthen blev erstattet med "smartphone". En af de seneste, Casey [26] 's smartphone-afhængighedsvægt havde også udtrukket elementer fra vægte, der måler andre typer af medieafhængighed, såsom Mobile Phone Problem Use Scale [27], Internetafhængighedstest [10], og tv-afhængighedsskala [28]. Desuden, da mobiltelefonafhængighed også blev set som en form for adfærdsafhængighed på grund af impulskontrolproblemer, bestod den normalt af elementer fra internetafhængighed.

Derfor udviklede den aktuelle undersøgelse den koreanske Smartphone Addiction Proneness Scale (SAPS) for Youth ved at tilføje elementer, der afspejler unikke egenskaber ved smartphones, til Internet Addiction Proneness Scale (IAPS) for Youth [29]. IAPS er en skala med 20 punkter, der er blevet brugt til at kontrollere niveauet af internetafhængighed blandt unge i Sydkorea siden 2007. SAPS udviklet gennem nuværende undersøgelse vil være et nyttigt værktøj til at undersøge fænomenet smartphone overforbrug blandt unge, og vil i sidste ende bidrage til at forebygge smartphone-afhængighed.

Metode

Deltagere

Denne undersøgelse er en sekundær dataanalyse af de nationale undersøgelsesdata fra National Information Agency of Koreas projekt om smartphone-afhængighed udført i 2012 [34]. Forskerne i denne undersøgelse havde deltaget i projektet som hovedforsker og assisterende forskere. Fordi dette projekt blev gennemført på nationalt niveau, var de resulterende data fra en storstilet stikprøve, der er repræsentativ med hensyn til region, alder og køn. Den distribuerede undersøgelse angav eksplicit formålet med projektet og meddelte deltagerne, at de giver samtykke til at deltage ved at udfylde undersøgelsen. I forhold til den faktiske befolkningsfordeling på tværs af Korea havde 795 grundskole-, mellem- og gymnasieelever (461 mænd og 324 kvinder) gennemført undersøgelsen. Regionale agenturer blev tilfældigt udvalgt fra hvert af de fire områder: Seoul Metropolitan-området, Chungcheong/Gangwon-området, Honam-området (inklusive Jeju) og Yeongnam-området. Mange (44.7%) var mellemskoleelever, efterfulgt af gymnasieelever (37.7%) og gymnasieelever (17.6%).

Foranstaltninger

Demografisk spørgeskema.

Et demografisk spørgeskema, der inkluderede emner vedrørende elevernes personlige oplysninger, omfanget og arten af ​​smartphonebrug og akademiske præstationer, blev inkluderet i undersøgelsespakken.

Smartphone Addiction Proneness Scale Items.

Baseret på de tidligere udviklede diagnostiske skalaer og forskningsresultater, samt kliniske erfaringer fra adskillige specialister, blev emner, der teoretisk og empirisk repræsenterer de særskilte karakteristika ved smartphone-afhængighed, udvalgt til at omfatte skalaen. Den foreløbige skala var sammensat af niogtyve punkter, og hvert punkt blev scoret på en 4-punkts Likert-skala (1 = meget uenig, 2 = uenig, 3 = enig, 4 = meget enig). De 9 foreløbige elementer var struktureret omkring fire underdomæner: forstyrrelse af adaptive funktioner (7 elementer), tilbagetrækning (6 elementer), tolerance (7 elementer) og virtuel livsorientering (XNUMX elementer).

Skalaen for psykiske problemer.

For at kontrollere gyldigheden af ​​SAPS blev der udviklet et mål, der vurderer psykiske problemer relateret til smartphone-afhængighed. Psykologiske vanskeligheder, der kan ledsage smartphone-afhængighed omfatter angst, depression, impulsivitet og aggression [50]. Således NEO Youth Personality Test [30] punkter relateret til disse problemer (faktorer) blev ændret og inkluderet i den nuværende skala. Skalaen består af 32 punkter, 8 punkter for hver faktor. Punkter bedømmes på en 4-trins skala (1 = meget uenig, 2 = uenig, 3 = enig, 4 = meget enig). Konsistensen mellem varer for skalaen er høj med en Cronbachs alfa på .944 samlet og .865, .870, .820, .878 for hver faktor.

Internet Addiction Proneness Scale for Youth (KS-II).

For at sammenligne smartphoneafhængighed med internetafhængighed blev KS-II med 15 varer brugt. KS-II udviklet af National Information Society Agency [31] har gennemgået standardiseringsprocessen i Korea gennem en landsdækkende feltundersøgelse. KS-II er struktureret omkring de fire faktorer: (1) forstyrrelse af adaptive funktioner, (2) tilbagetrækning, (3) tolerance og (4) virtuel livsorientering. Punkter bedømmes på en 4-trins skala (1 = meget uenig, 2 = uenig, 3 = enig, 4 = meget enig). Konsistensen mellem punkterne for skalaen er høj med en Cronbachs alfa på 87.

Procedure

For det første, efter at have gennemgået de relaterede skalaer, der tidligere var udviklet og undersøgt deres teoretiske baggrunde, udvalgte specialister emner til et foreløbigt spørgeskema. Denne indledende pulje havde omkring dobbelt så mange elementer som den endelige skala. Den foreløbige skala blev administreret til studerende, og data blev indsamlet. Derefter blev de endelige elementer udvalgt i henhold til pålidelighedstestresultaterne for hver underskala. Endelig blev konstruktionsvaliditetsmodellen for hvert underdomæne valideret på AMOS. En mere detaljeret beskrivelse af hvert trin i proceduren er som følger.

Foreløbig Smartphone Addiction Proneness Scale for Youth.

En pulje af foreløbige elementer til Smartphone Addiction Proneness Scale (SAPS) for unge blev udviklet baseret på resultaterne fra tidligere litteratur om internetafhængighed, mobiltelefonafhængighed og digitale medier. Da smartphone er en mobil enhed, der muliggør internetbrug, blev eksisterende internetafhængighedsskalaer brugt som reference. Egenskaberne ved digital medieafhængighed foreslået af Young [38] og Greenfield [44] blev også afspejlet i de udviklede elementer. I betragtning af at smartphones kan ses som avancerede versioner af almindelige mobiltelefoner, eksisterende mobiltelefonvægte [12] [8] blev også undersøgt. Følgelig kom underdomænerne af SAPS til at omfatte forstyrrelse af adaptive funktioner, tilbagetrækning, tolerance og virtuel livsorientering. Endelig skabte eksperter (uddannelsesspecialister, psykiatere) 29 foreløbige elementer, der afspejler disse fire underdomæner af smartphone-afhængighed.

Skalaadministration.

SAPS blev fordelt i tilfældigt udvalgte grundskoler, mellemskoler og gymnasier, så deltagerne kan udvælges i forhold til den faktiske befolkningsfordeling på tværs af Korea.

Varevalg gennem pålidelighedsanalyse.

Pålidelighedsanalyser på de 29 foreløbige poster blev udført efter underdomæne. Der blev udvalgt i alt 15 genstande, der synes passende. Til sidst blev Cronbachs alfa for den endelige skala med 15 punkter beregnet.

Konstruer validitetsmodel for hvert underdomæne.

For at bekræfte konstruktionsvaliditeten af ​​SAPS blev konstruktionsvaliditetsmodellen for hvert underdomæne valideret på AMOS.

Resultater

Udvælgelse af endelige varer gennem pålidelighedsanalyser på underdomæner

Fra de oprindelige 29 elementer blev elementer, der syntes uegnede for hvert underdomæne, slettet eller revideret baseret på resultaterne af pålidelighedsanalyser. For at verificere pålideligheden af ​​elementerne i hvert underdomæne blev Cronbachs alfaer undersøgt. De elementer, der sænkede den overordnede pålidelighed af underdomænet, hvis de blev slettet, samt de elementer med den højeste pålidelighed blev udvalgt til den endelige skala. For at opdage skødesløse eller inkonsekvente respondere blev der også inkluderet omvendt kodede elementer med høj pålidelighed. Tabel 1 nedenfor viser pålidelighedsresultaterne for hvert underdomæne, og Tabel 2 viser de sidste 15 valgte elementer.

thumbnail

Tabel 1. Udvælgelse af endelige elementer gennem pålidelighedsanalyse på underskalaer.

doi: 10.1371 / journal.pone.0097920.t001

thumbnail

Tabel 2. Afsluttende punkter.

doi: 10.1371 / journal.pone.0097920.t002

Pålidelighed

Pålideligheden af ​​SAPS blev verificeret med en Cronbachs alfa på 0.88.

Gyldighed

Kriterium Validitetsanalyse.

For at bekræfte kriterievaliditeten af ​​SAPS blev scorerne fra SAPS og Mental Health Problems Scale sammenlignet. Tabel 3 viser Pearson-korrelationsresultaterne for de to skalaer. Som et resultat kom korrelationskoefficienten ud til at være 0.43. Endvidere var korrelationerne mellem underskalaerne af SAPS og Mental Health Problems Scale alle i intervallet 0.49~0.67, hvilket bekræfter en vis grad af korrelation.

thumbnail

Tabel 3. Korrelationsanalyse mellem SAPS og Mental Health Problems Scale.

doi: 10.1371 / journal.pone.0097920.t003

Korrelationen mellem SAPS og KS-II blev analyseret; Tabel 4 viser resultaterne af Pearsons korrelationsanalyse. Korrelationskoefficienten på 0.49 viste, at hvis scoren på SAPS var høj, var KS-II scoren sandsynligvis også høj. Derudover var korrelationerne mellem underskalaerne af KS-II og SAPS mellem 0.12 og 0.51, hvilket igen viser en vis grad af korrelation.

thumbnail

Tabel 4. Korrelationsanalyser mellem SAPS og KS-II.

doi: 10.1371 / journal.pone.0097920.t004

Konstruer validitetsanalyse.

Bekræftende faktoranalyse blev udført ved hjælp af AMOS 7.0 for at bekræfte faktorstrukturen af ​​SAPS. Til dette blev faktorstrukturmodellen sat som følger (Figur 1).

thumbnail

Figur 1. Faktorstrukturen af ​​SAPS.

Den strukturelle model af de fire underdomæner af smartphone-afhængighed (forstyrrelse af adaptive funktioner, virtuel livsorientering, tilbagetrækning og tolerance) og deres relevante elementer forekom gyldige.

doi: 10.1371 / journal.pone.0097920.g001

For det første var modeltilpasningsindekserne NFI, TLI, CFI og RMSEA henholdsvis .943, .902, .962 og .034, hvilket viser, at den relevante model var velegnet til dataene. Derfor forekom den strukturelle model af de fire underdomæner af smartphone-afhængighed (forstyrrelse af adaptive funktioner, virtuel livsorientering, tilbagetrækning og tolerance) og deres relevante elementer gyldige.

For også at finde ud af, hvor omfattende hvert element forklarer de relaterede faktorer, blev regressionskoefficienten for hver observerbar variabel og dens grad af statistisk signifikans undersøgt. I alle observerbare variable bortset fra "virtuel livsorientering" var de standardiserede koefficienter større end 5 i gennemsnit, hvilket var statistisk signifikant (p<.001). Tabel 5 viser disse statistikker.

thumbnail

Tabel 5. Regressionskoefficienter for observerbare variabler vedrørende hver faktor.

doi: 10.1371 / journal.pone.0097920.t005

Diskussion

Som en del af det nationale informationsagentur i Koreas projekt om unges smartphone-afhængighed gennemført i 2012 [34], forsøgte denne undersøgelse at lægge grundlaget for forebyggelses-/interventionsindsatser for unges smartphone-afhængighed. Specifikt udviklede undersøgelsen en kort 15-elements smartphone-afhængighedsskala, der kunne bruges i landsdækkende dataindsamlingsindsats. Udviklerne lagde særlig vægt på enkelheden af ​​skalaemner og brugervenligheden i skalaadministration for at lette den faktiske udnyttelse.

Cronbachs alfa for den endelige SAPS var .880, hvilket viser, at skalaen er pålidelig. Eksisterende internetafhængighed eller smartphonevægte er også blevet rapporteret at være pålidelige med Cronbachs alfaer på over 7. Det kan dog være uklogt at stole på deres pålidelighedsværdier, fordi deres dataindsamlingsproces ikke var standardiseret, eller deres stikprøvestørrelse var lille. For eksempel skæg og ulv [37] forsøgte at forbedre Young [38] 's diagnostiske kriterier for internetafhængighed, men deres skalaudviklingsproces var ikke standardiseret. Widyanto og McMurren [39], på den anden side fulgte en standardiseret procedure for skalaudvikling, men det lykkedes ikke at indsamle nok data (n = 86). Desuden indsamlede de data online, hvilket kunne betyde, at deres dataindsamling var forudindtaget. Lignende begrænsninger er også til stede blandt eksisterende smartphone-afhængighedsvægte. Kwon et al. [36] havde udviklet en skala baseret på K-skalaens elementer og smartenhedens egenskaber og rapporterede, at skalaen havde en Cronbachs alfa på 91. Det skal dog bemærkes, at deres dataindsamling fandt sted på to skoler beliggende i en bestemt region i Korea, hvilket rejser spørgsmål om deres skalas pålidelighedsværdi. Således kan SAPS af denne undersøgelse betragtes som mere pålidelig sammenlignet med eksisterende skalaer, da den blev udviklet baseret på data indsamlet fra 795 studerende på tværs af Korea i forhold til den faktiske befolkningsfordeling i nationen.

SAPS så ud til at være gyldigt struktureret omkring fire underdomæner (adaptive funktioner, tilbagetrækning, tolerance og virtuel livsorientering) af smartphone-afhængighed. For at tage stilling til skalaens underdomæner blev tidligere forskning med særlig opmærksomhed på undersøgelser af internetafhængighedsskalaer og de diagnostiske kriterier for andre adfærdsmæssige afhængigheder undersøgt. Faktorer, der almindeligvis forekommer blandt disse undersøgelser, samt faktorer, der afspejler smartphones egenskaber, blev inkluderet. En bekræftende faktoranalyse blev udført ved hjælp af AMOS 7.0 for at verificere konstruktionsvaliditeten af ​​skalaen. Endelig blev korrelationerne mellem SAPS og KS-II (en internetafhængighedsskala) samt mellem SAPS og Mental Health Problems Scale kontrolleret for at bekræfte kriteriets gyldighed af SAPS.

Internetafhængighedsskalaer udviklet og valideret i forskellige lande varierer i deres faktorstrukturer. Canan et al. [40] udviklet en internetafhængighedsskala for tyrkiske teenagere og fandt ud af, at dens genstande var grupperet som én faktor. Tilsvarende har Khazaal et al. [41] udviklet en internetafhængighedsskala for franske voksne og fandt ud af, at dens genstande var grupperet som én enkelt faktor. Imidlertid har andre undersøgelser rapporteret, at deres internetafhængighedsskalaelementer blev grupperet i forskellige faktorer, såsom besættelse, omsorgssvigt og kontrolforstyrrelse [42] [43]. Koreas mest brugte K-skala er også sammensat af mange faktorer, såsom adaptive funktioner, tilbagetrækning, tolerance og virtuel livsorientering. Som sådan synes forskere at være uenige om underdomænerne af internetafhængighedsskalaer, hvilket antyder, at faktorstrukturen af ​​internetafhængighedsskalaer måske ikke er helt stabil.

Begrænsningerne for denne undersøgelse og forslag til fremtidige undersøgelser er som følger.

For det første er 'tolerance', et underdomæne af SAPS såvel som internetafhængighedsskalaerne, ikke en kernefaktor for afhængighed ifølge Charlton og Danforth [45]. Med andre ord kan brug af internettet i mange timer i sig selv ikke være et kriterium for afhængighed, før en sådan adfærd resulterer i negative konsekvenser [35]. Da smartphones er enheder, som folk bærer rundt på og bruger overalt, kan tolerance være uegnet som kernefaktoren for smartphone-afhængighed. Dette kræver yderligere landsdækkende undersøgelse og dataanalyser om dette emne. Ydermere kunne valideringen af ​​skalaen forbedres ved for eksempel at administrere skalaen til populationer af afhængige og ikke-afhængige unge for at undersøge skalaens diskriminerende validitet.

Dernæst kan SAPS til unge i vid udstrækning bruges i forskning i smartphoneafhængighed, der tager fart i disse dage. Nutidens digitale medieenheder er hurtigt blevet udviklet fra pc-baserede formularer til smartphones og forskellige tablet-pc'er. Med andre ord gennemgår eksisterende medier og nyere medier både konkurrence- og substitutionsprocesser. Siden unge i disse dage betragtes som digitale indfødte [46] som aktivt accepterer og bruger de mest opdaterede medier [32], synes det påtrængende at undersøge de mulige bivirkninger af deres mediebrug på deres mentale helbred. Overdreven brug af digitale medier kan medføre negative konsekvenser i fysiske, psykologiske og sociale aspekter af unges liv og kan endda udløse kriminel adfærd. For eksempel har Kross et al. [33] fandt, at Facebook-brug ikke er nyttigt for social interaktion og er forbundet med lave niveauer af subjektivt psykologisk velvære. Derfor er forskning i symptomer på smartphone-afhængighed såvel som effekter af smartphone-afhængighed på unges mentale sundhed nødvendig, og SAPS kan godt udnyttes i en sådan bestræbelse.

Forfatterbidrag

Udtænkt og designet eksperimenterne: DK YHL. Analyserede data: JYL YJC. Bidragede reagenser/materialer/analyseværktøjer: DK YHL. Skrev papiret: DK YHL JYL JEKN YJC.

Referencer

  1. 1. Chen J, Yen D, Chen K (2009) Accepten og spredningen af ​​den innovative smartphonebrug. Information og ledelse 46: 241–248. doi: 10.1016/j.im.2009.03.001
  2. 2. Lapidot-Lefler N, Barak A (2012) Effekter af anonymitet, usynlighed og mangel på øjenkontakt på giftig online disinhibering. Computere i menneskelig adfærd 28: 434–443. doi: 10.1016/j.chb.2011.10.014
  3. Se artikel
  4. PubMed / NCBI
  5. Google Scholar
  6. Se artikel
  7. PubMed / NCBI
  8. Google Scholar
  9. Se artikel
  10. PubMed / NCBI
  11. Google Scholar
  12. Se artikel
  13. PubMed / NCBI
  14. Google Scholar
  15. 3. Suler J (2004) The online disinhibition effect. CyberPsychology & Behavior 7: 321-326. doi: 10.1089/1094931041291295
  16. Se artikel
  17. PubMed / NCBI
  18. Google Scholar
  19. Se artikel
  20. PubMed / NCBI
  21. Google Scholar
  22. 4. Sohn S (2005) Konkurrence og substitution af digitale medier: Brugsmønstre for nyheder, sport og voksenindhold. Journal of Cybercommunication 16: 273–308.
  23. Se artikel
  24. PubMed / NCBI
  25. Google Scholar
  26. 5. Song Y, Oh S, Kim E, Na E, Jung H, Park S (2007) Mediebrugermønstre af unge i et multimediemiljø: en vurdering af køns- og indkomstforskelle. Journal of Communication Research 46(2): 33–65.
  27. Se artikel
  28. PubMed / NCBI
  29. Google Scholar
  30. Se artikel
  31. PubMed / NCBI
  32. Google Scholar
  33. Se artikel
  34. PubMed / NCBI
  35. Google Scholar
  36. Se artikel
  37. PubMed / NCBI
  38. Google Scholar
  39. Se artikel
  40. PubMed / NCBI
  41. Google Scholar
  42. Se artikel
  43. PubMed / NCBI
  44. Google Scholar
  45. 6. National Information Society Agency (2011) Rapport om udviklingen af ​​koreansk smartphone-afhængighedsskala for unge og voksne.
  46. Se artikel
  47. PubMed / NCBI
  48. Google Scholar
  49. 7. Skierkowski D, Wood RM (2012) At sms'e eller ikke at sms'e? Betydningen af ​​sms blandt unge i universitetsalderen. Computere i menneskelig adfærd 28: 744-756. doi: 10.1016/j.chb.2011.11.023
  50. Se artikel
  51. PubMed / NCBI
  52. Google Scholar
  53. Se artikel
  54. PubMed / NCBI
  55. Google Scholar
  56. Se artikel
  57. PubMed / NCBI
  58. Google Scholar
  59. 8. Lee H (2008) Udforskning af de forudsigelige variabler, der påvirker den vanedannende mobiltelefonbrug. The Korean Journal of Social and Personality Psychology 22(1): 133–157.
  60. Se artikel
  61. PubMed / NCBI
  62. Google Scholar
  63. 9. National Information Society Agency (2010) Rapport: Forbedringsplan for lovgivning om forebyggelse og løsning af internetafhængighed.
  64. Se artikel
  65. PubMed / NCBI
  66. Google Scholar
  67. Se artikel
  68. PubMed / NCBI
  69. Google Scholar
  70. Se artikel
  71. PubMed / NCBI
  72. Google Scholar
  73. 10. Young KS (1998) Psykologi af computerbrug: Vanedannende brug af internettet: En sag, der bryder stereotypen. Psychological Reports 79: 899-902. doi: 10.2466/pr0.1996.79.3.899
  74. 11. Goldberg I (1996). Internet afhængighed lidelse. Elektronisk besked sendt til forskningsdiskussionslisten. http://users.rider.edu/~suler/psycyber/s​upportgp.html (adgang til April 20, 2011).
  75. Se artikel
  76. PubMed / NCBI
  77. Google Scholar
  78. Se artikel
  79. PubMed / NCBI
  80. Google Scholar
  81. 12. Kang H, Son C (2009) Udvikling og validering af mobiltelefonafhængighedsskalaen for unge. Korean Journal of Health Psychology 14(3): 497–510.
  82. Se artikel
  83. PubMed / NCBI
  84. Google Scholar
  85. Se artikel
  86. PubMed / NCBI
  87. Google Scholar
  88. Se artikel
  89. PubMed / NCBI
  90. Google Scholar
  91. Se artikel
  92. PubMed / NCBI
  93. Google Scholar
  94. Se artikel
  95. PubMed / NCBI
  96. Google Scholar
  97. Se artikel
  98. PubMed / NCBI
  99. Google Scholar
  100. Se artikel
  101. PubMed / NCBI
  102. Google Scholar
  103. Se artikel
  104. PubMed / NCBI
  105. Google Scholar
  106. Se artikel
  107. PubMed / NCBI
  108. Google Scholar
  109. Se artikel
  110. PubMed / NCBI
  111. Google Scholar
  112. Se artikel
  113. PubMed / NCBI
  114. Google Scholar
  115. Se artikel
  116. PubMed / NCBI
  117. Google Scholar
  118. Se artikel
  119. PubMed / NCBI
  120. Google Scholar
  121. Se artikel
  122. PubMed / NCBI
  123. Google Scholar
  124. Se artikel
  125. PubMed / NCBI
  126. Google Scholar
  127. 13. Choliz M (2010) Mobiltelefonafhængighed: Et problem. Afhængighed 105(2): 373–375. doi: 10.1111/j.1360-0443.2009.02854.x
  128. 14. Zsolt D, Beatrix S, Sandor R (2008) Trefaktormodellen for internetafhængighed: Udviklingen af ​​det problematiske spørgeskema til internetbrug. Adfærdsforskningsmetoder 40(2): 563–574. doi: 10.3758/brm.40.2.563
  129. 15. Kim D, Tae J (2010) En undersøgelse af smarttelefonbrugeres mæglingsoplevelser. Journal of Korea Humanities Content Society 19: 373–394.
  130. 16. Kim D, Lee C (2010) Teknologitendenser i smartphone-brugergrænsefladen. Korea Information Science Society Review 28(5): 15–26.
  131. 17. Hwang H, Sohn S, Choi Y (2011) Udforskning af faktorer, der påvirker smartphone-afhængighed – karakteristika for brugere og funktionelle attributter. Korean Journal of Broadcasting 25(2): 277–313.
  132. 18. Kim M (2011) Undersøgelse om online- og offlineforhold mellem SNS-brugere af smarttelefoner: Centrering på Twitter. Graduate School ved Ewha Women's University. Kandidatafhandling.
  133. 19. Noh M, Kim J, Lee J (2010) Analyse af smartphone og konvergens af funktioner gennem associationsanalyse. Journal of the Korea Society of Management Information Systems 1: 254-259.
  134. 20. Apple Pty Ltd. (2011). iPhone funktioner. http://www.apple.com/au/iphone/features/ Åbnet 19. marts 2011.
  135. 21. Kim J (2010) Udviklingen af ​​mobil internettjeneste. OSIA Standards & Technology Review 38(1): 4–12.
  136. 22. Park I, Shin D (2010) Brug af teorier om anvendelser og tilfredsstillelser til at forstå brugen og tilfredsstillelsen af ​​smartphones. Journal of Communication Science 10(4): 192–225.
  137. 23. Choi WS (2010) Undersøgelse om vigtigheden af ​​funktionelle egenskaber ved smartphones. Journal of Information Technology Application & Management 1: 289–297.
  138. 24. Digieco Reports (2010) En analyse af iPhones socioøkonomiske effekt. KT Ledelsesøkonomisk Forskningsinstitut.
  139. 25. Koh Y, Lee H (2010) En undersøgelse af ændringer i adfærdsmønstre hos smartphonebrugere ved at skygge tidlige iPhone-brugere. Journal of Commodity Science 28(1): 111–120.
  140. 26. Casey BM (2012) Sammenkædning af psykologiske egenskaber til smarttelefonafhængighed, ansigt-til-ansigt kommunikation, nuværende fravær og social kapital. Graduation Project, Graduate School ved det kinesiske universitet i Hong Kong.
  141. 27. Bianchi A, Phillips JG (2005) Psykologiske forudsigere for problembrug af mobiltelefoner. CyberPscyhology, Behavior and Social Networking 8(1): 2152–2715.
  142. 28. Horvath CW (2004) Måling af tv-afhængighed. Journal of Broadcasting and Electronic Media 48(3): 378–398. doi: 10.1207/s15506878jobem4803_3
  143. 29. Kim DI, Chung Y, Lee E, Kim DM, Cho Y (2008) Development of Internet Addiction Proneness Scale – Short Form. The Korean Journal of Counseling 9(4): 1703–1722.
  144. 30. Kim DI (2005). Big 5 personlighedstest for børn og unge. Seoul, Korea: Hakjisa.
  145. 31. National Information Society Agency (2011) Rapport: Tredje standardisering af koreansk internetafhængighedsskala.
  146. 32. Kim DI, Lee YH, Lee JY, Kim MC, Keum CM, et al. (2012) Nye mønstre i medieafhængighed: Er smartphone en erstatning eller et supplement til internettet? The Korean Journal of Youth Counseling 20(1): 71–88.
  147. 33. Kross E, Verduyn P, Demiralp E, Park J, et al. (2013) Facebook-brug forudsiger fald i subjektivt velbefindende hos unge voksne. PLoS ONE 8(8): e69841. doi: 10.1371/journal.pone.0069841
  148. 34. Shin K, Kim DI, Chung Y (2011) Rapport: Udvikling af koreansk smartphone-afhængighedsskala for unge og voksne. National Information Society Agency.
  149. 35. Griffiths MD (2010) Brugen af ​​online-metoder til dataindsamling for gambling og spilafhængighed. International Journal of Mental Health and Addiction 8: 8–20. doi: 10.1007/s11469-009-9209-1
  150. 36. Kwon M, Kim DJ, Cho H, Yang S (2013) Smartphone-afhængighedsskalaen: udvikling og validering af en kort version til unge. PLoS ONE 8(12): e83558 doi:10.1371/journal.pone.0083558.
  151. 37. Beard KW, Wolf EM (2001) Ændring i de foreslåede diagnostiske kriterier for internetafhængighed. Cyberpsykologi og adfærd. 4(3): 377-383. doi: 10.1089/109493101300210286
  152. 38. Young KS (1996) Vanedannende brug af internettet: en sag, der bryder stereotypen. Psychological Reports 79: 899-902. doi: 10.2466/pr0.1996.79.3.899
  153. 39. Widyanto L, McMurren M (2004) De psykometriske egenskaber ved internetafhængighedstesten. CyberPsychology & Behavior 7(4): 443–450. doi: 10.1089/cpb.2004.7.443
  154. 40. Canan F, Ataoglu A, Nichols LA, Yildirim T, Ozturk O (2010) Evaluering af psykometriske egenskaber af internetafhængighedsskalaen i en prøve af tyrkiske gymnasieelever. Cyberpsykologi, adfærd og sociale netværk 13(3): 317–320. doi: 10.1089/cyber.2009.0160
  155. 41. Khazaal Y, Billieux J, Thorens G, Khan R, Louati Y, Scarlatti E, et al. (2008) Fransk validering af internetafhængighedstesten. CyberPsychology& Behavior 11(6): 703–706. doi: 10.1089/cpb.2007.0249
  156. 42. Demetrovics Z, Szereredi B, Rozsa S (2008) Trefaktormodellen for internetafhængighed: Udviklingen af ​​det problematiske spørgeskema til internetbrug. Adfærdsforskningsmetoder 40(2): 563–574. doi: 10.3758/brm.40.2.563
  157. 43. Kelley KJ, Gruber EM (2010) Psykometriske egenskaber ved det problematiske spørgeskema til internetbrug. Computere i menneskelig adfærd 26: 1838-1845. doi: 10.1016/j.chb.2010.07.018
  158. 44. Greenfield DN (1999) Psykologiske karakteristika ved kompulsiv internetbrug: En foreløbig analyse. CyberPsychology & Behavior 8(5): 403–412. doi: 10.1089/cpb.1999.2.403
  159. 45. Charlton JP, Danforth IDW (2007) At skelne afhængighed og højt engagement i forbindelse med onlinespil. Computere i menneskelig adfærd 23(3): 1531–1548. doi: 10.1016/j.chb.2005.07.002
  160. 46. ​​Prensky M (2001) Digitale indfødte, digitale immigranter del 1. On the Horizon 9: 1–6. doi: 10.1108/10748120110424816
  161. 47. Park W (2005) Mobiltelefonafhængighed. Mobil kommunikation. Computerstøttet Cooperative Work Vol. 31: 253-272. doi: 10.1007/1-84628-248-9_17
  162. 48. Kang H, Son C (2009) Udvikling og validering af mobiltelefonafhængighedsskalaen for unge. Koreansk tidsskrift for sundhedspsykologi 14(3): 497-510.
  163. 49. Koo H (2013) Udvikling af en mobiltelefonafhængighedsskala for koreanske forældre til små børn. Child Health Nursing Research 19(1): 29–38. doi: 10.4094/chnr.2013.19.1.29
  164. 50. Keum C (2013) Forskning i tilbøjelighed til smartphoneafhængighed og psykiske problemer for mellem- og gymnasieelever i Korea. Seoul National University kandidatafhandling.