Peng Wang1, Qingnan Lin2, 
Fengqiang Gao1* und Yingmin Chen1*
- 1Schule für Psychologie, Shandong Normal University, Jinan, China
- 2Abteilung für Vorschulbildung, Universität Heze, Heze, China
Diese Studie untersuchte die wechselseitige Beziehung zwischen Internetsucht (IA) und Netzwerkbedingter maladaptiver Kognition (NMC) in chinesischen Hochschulkollegen. In der Provinz Shandong, China, wurde eine kurzfristige Längsschnittuntersuchung mit einer Stichprobe von 213-Studienanfängern durchgeführt. Die Ergebnisse zeigten, dass IA die Entstehung und Entwicklung von NMCs signifikant vorhersagen kann, und wenn solche unpassenden Erkenntnisse festgestellt wurden, können sie das Ausmaß der IA der Schüler weiter beeinträchtigen. Ein Teufelskreis wurde zwischen diesen beiden Variablen beobachtet, wobei IA in seiner Beziehung zu NMC eine vorhersagende Priorität hatte. Diese Studie ergab auch, dass die Beziehung zwischen diesen beiden Variablen sowohl für Männer als auch für Frauen gleich war. Daher kann das endgültige Modell, das wir aufgestellt haben, unabhängig von Geschlecht großflächig auf chinesische Hochschulanfänger angewendet werden. Das Verständnis der wechselseitigen Beziehung zwischen diesen beiden Variablen kann zu Beginn des Hochschullebens der Studenten zu Interventionen in der Informationstechnologie beitragen.
Einleitung
Seit seiner Gründung in den 1990s ist das Internet in China allmählich zu einem festen Bestandteil des täglichen Lebens geworden, insbesondere bei Jugendlichen im Alter von 10 – 21 (Daniel et al., 2012; Liu et al., 2012). Laut 36. Statistischer Bericht über die Internetentwicklung in China, die vom China Internet Network Information Center (CNNIC) veröffentlicht wurde, ist die Zahl der jugendlichen Internetbenutzer in China schnell von 120 Millionen in 2002 auf 287 Millionen in 2016 gestiegen (Tian et al., 2017).
Das Internet hat zahlreiche Vorteile gebracht, wie eine verbesserte soziale Verbindung und Wohlbefinden (Bessière et al., 2008; Young und de Abreu, 2011). Internetabhängigkeit (IA), die durch übermäßige oder zwanghafte Internetnutzung gekennzeichnet ist (Young ua, 1999; Shek et al., 2013; Yang et al., 2014) hat zahlreiche negative Auswirkungen (Joseph et al., 2016). Eine Reihe von Studien hat gezeigt, dass IA die körperliche und psychische Gesundheit beeinträchtigen kann (Ayas und Horzum, 2013; Georgios et al., 2014; Mike und Zhong, 2014). Beispielsweise leiden Jugendliche mit IA in der Regel unter Angstzuständen, Depressionen, Einsamkeit, niedrigem Selbstwertgefühl und schlechten zwischenmenschlichen Beziehungen (Tokunaga und Regen, 2010; Georgios et al., 2014; Mike und Zhong, 2014), was sich wiederum negativ auf das Wohlbefinden auswirken kann (Tokunaga und Regen, 2010; Georgios et al., 2014; Mike und Zhong, 2014) und akademische Entwicklung (Chuang, 2006; Kim et al., 2008; Tsai et al., 2009; Ahmadi und Saghafi, 2013). Daher hat das Studieren von IA bei Jugendlichen entscheidende pädagogische und soziale Auswirkungen.
Beziehung zwischen IA und NMC
Es wird lange angenommen, dass die Netzwerk-Maladaptive Cognition (NMC) eine zentrale Rolle in der IA spielt (Li et al., 2013). Nach dem kognitiven Verhaltensmuster (Davis, 2001), ist die Psychopathologie (z. B. Depression und soziale Angst) eine distal notwendige Ursache für Symptome von IA, die an sich nicht zu Symptomen von IA führen. Die Schlüsselfaktoren in IA sind NMCs, die proximal ausreichend sind (Daniel et al., 2012; Zahl 1). In zahlreichen Studien wurde berichtet, dass die distale Psychopathologie eine Person durch NMC anfällig für IA macht (Kalkan, 2012; Mai ua, 2012; Li und Wang, 2013; Lu und Yeo, 2015). Zum Beispiel untersuchten die Forscher die zugrunde liegende Beziehung zwischen Temperament (dh Kontrolle der Anstrengung, Suche nach hohem Empfindungsvermögen und starker dispositioneller Wut oder Frustration) und der Entwicklung von IA. Die Ergebnisse deuten darauf hin, dass bestimmte Temperamente das Niveau der IA durch den Effekt beeinflussen, den Temperament auf ihre Wahrnehmung von Online-Verhalten hat (Zhang et al. 2015). Tian et al. (2017) untersuchten die wechselseitigen Assoziationen zwischen Scheu, maladaptiven Erkenntnissen und der allgemeinen pathologischen Internetnutzung (GPIU) in einer chinesischen Stichprobe. Die Ergebnisse zeigten, dass die Assoziationen zwischen diesen Variablen dynamisch und bidirektional sind und dass die erhöhten Maladaptivitätswahrnehmungen die Beziehung zwischen Scheu und GPIU über die Zeit bidirektional vermittelten. Darüber hinaus haben andere Studien festgestellt, dass der Erziehungsstil und die Beziehung zu Gleichaltrigen Menschen zu NMC veranlassen könnten, was sich auch auf das Ausmaß der Folgenabschätzung auswirken würde (Li et al., 2013; Wang et al., 2015).
ABBILDUNG 1. Kognitiv-Verhaltensmodell der pathologischen Internetnutzung (Davis, 2001).
Darüber hinaus konzentrierten sich zahlreiche andere Studien auf die Spielsucht im Internet und untersuchten deren Zusammenhang mit unpassenden Kognitionen. König und Delfabbro (2014) schlug ein neues Modell vor, das theoretische Erklärungen zu den Ursprüngen und zur Pathogenese der Abhängigkeit von Internet-Spielen bietet. Die Autoren identifizierten vier Maladaptive-Erkenntnisse, die der Spielsucht im Internet zugrunde liegen, nämlich Überbewertung, Maladaptivregeln, Selbstwertgefühl bei Spielen und Akzeptanz bei Spielen. In einigen empirischen Studien wurde auch festgestellt, dass Jugendliche mit Symptomen der Spielsucht im Internet deutlich mehr Fehlanpassungen als Jugendliche mit diesen Symptomen aufwiesen (Zhou et al., 2012; Liu et al., 2014; König und Delfabbro, 2016). Peng und Liu (2010) berichteten, dass eine fünfstufige Messkognition die Spielsucht bei Chinesen signifikant prognostizierte. Forrest et al. (2016) untersuchten maladaptive Kognitionen, die mit problematischem Videospiel in einer Auswahl von australischen 465-Erwachsenen zusammenhängen. Die Ergebnisse zeigten, dass diese problematischen Erkenntnisse mäßig bis stark mit der Spielsucht im Internet korrelierten. Forrest et al. (2017) untersuchte, ob maladaptive Kognition zukünftige Veränderungen problematischer Videospiele anhand einer 12-Monatsstudie vorhersagen könnte. Die Ergebnisse zeigten, dass die kognitive Veränderung 28% der Varianz in problematischen Glücksspielwerten über Geschlecht, Alter und Häufigkeit des Spielens hinaus ausmachte.
Obwohl eine Reihe von Studien den Einfluss von NMC auf die Folgenabschätzung ermittelt hat, haben nur wenige Studien den möglichen Einfluss der Folgenabschätzung auf die NMC untersucht. Kognitive Dissonanz Theorie (Festinger, 1957), die hauptsächlich darauf abzielt, wie Menschen Inkonsistenzen im Denken sowie zwischen Verhalten und Denken erleben und darauf reagieren, bietet eine alternative Erklärung dafür, wie sich NMC mit IA verbindet. Wenn Menschen sich der Unstimmigkeiten bewusst werden, erleben sie Unbehagen oder Dissonanzen, was Bestrebungen auslöst, diese Erfahrungen zu reduzieren und Konsistenz wiederherzustellen, indem sie ihre Einstellungen, Wahrnehmungen oder Verhaltensweisen anpassen, bis solche Inkonsistenzen gelöst sind (de Vries und Timmins, 2016). Nach dieser Theorie erfahren Menschen, wenn sich ihre Werte widersprüchlich verhalten, etwa wenn sie sich dem Internet hingeben, wenn es bereits ihr Leben negativ beeinflusst hat, Dissonanz in Form von Bedauern. Dies geschieht mit dem Gefühl der persönlichen Verantwortung für die negativen Folgen ihres Verhaltens. Die meisten Menschen können ihr Verhalten erfolgreich anpassen, um diese Dissonanz zu reduzieren. Einige Menschen können jedoch die Dissonanz reduzieren, indem sie ihre Einstellung gegenüber dem Internet ändern, wodurch ihre Dissonanz verringert wird, während problematische Verhaltensweisen beibehalten werden. Chiou und Wan (2007) untersuchte diesen Prozess mit einer Auswahl von Videospielern. Die Ergebnisse zeigten, dass Spieler, die sich für ihr Verhalten verantwortlich fühlen, ihre Haltung gegenüber Videospielen eher von positiv auf negativ verschieben, während Spieler mit einer höheren Investition in Videospielspiele weniger wahrscheinlich auf einstellungsdiskrepantes Verhalten einwirken.
Forschung zu IA unter College-Studenten
Verschiedene Studien haben gezeigt, dass Jugendliche die Mehrheit der Internetbenutzer ausmachen und dass College-Studenten aufgrund des einfachen Zugangs zum Internet, flexiblen Zeitplänen und ihrer geringeren Fähigkeit, ihr Verhalten zu kontrollieren, besonders anfällig für IA sind (Shaw und Black, 2008; Fu et al., 2010; Georgios et al., 2014; Yang et al., 2014). Darüber hinaus ist der Beginn des Hochschullebens eine Entwicklungsphase für Studenten während des Übergangs weg von einer relativ hohen Abhängigkeit von zwischenmenschlichen Beziehungen (nicht nur familiären Beziehungen, sondern auch Gleichgesinnten und anderen sozialen Beziehungen; Woodhouse et al., 2012). In früheren Studien wurde berichtet, dass die unkontrollierte Nutzung des Internets eng mit einem Rückgang der Kommunikation und Kontrolle in der Familie zusammenhängt (Van den Eijnden et al., 2010; Liu et al., 2012). Daher neigt die Verschiebung in den zwischenmenschlichen Beziehungen dazu, College-Neulinge dem Risiko der Entwicklung von IA (Zhang et al. 2014).
Darüber hinaus müssen Erstsemester eine Reihe strenger Prüfungen bestehen, um die Zulassung zum College in China zu erhalten, und haben in der Regel nicht genügend Zeit für die Selbstreflexion während des Gymnasiums. Wenn sie mit dem College-Leben konfrontiert sind, können sie aufgrund fehlender Lernfähigkeiten und zwischenmenschlicher Fähigkeiten verwirrt sein (Ni et al., 2009). Aufgrund der reichhaltigen Freizeit und des unbegrenzten Internetzugangs durch eine Reihe von drahtlosen Tools verbringen College-Neulinge außerdem viel Zeit im Internet und neigen daher während dieser einzigartigen Zeit zu Symptomen einer IA (Chen, 2012). Um präventive und interventionelle Strategien für die Folgenabschätzung bereitzustellen, wurde im ersten Semester an der Hochschule eine kurzfristige Längsschnittstudie durchgeführt.
Die vorliegende Studie
Obwohl viele Forscher die Beziehung zwischen IA und NMC untersucht haben, haben die meisten einen Querschnittsansatz gewählt; Daher ist es schwierig, eine wechselseitige Beziehung zwischen diesen beiden Variablen zu identifizieren (Joseph et al., 2016). Darüber hinaus ist die Wahrscheinlichkeit, dass Schüler eine IA entwickeln, zu Beginn des Studiums wesentlich höher (Li und Liang, 2007; Ni et al., 2009) waren die Teilnehmer der vorangegangenen Studien in der Regel College-Studenten aller Altersstufen, wobei die Studenten des ersten Semesters seltener daran beteiligt waren. Daher wurde in der vorliegenden Studie eine übergreifende Analyse durchgeführt, um die Beziehung zwischen IA und NMC unter den College-Studenten während des ersten Semesters ihres College-Lebens zu untersuchen. Nach vorherigen theoretischen und empirischen Studien kann zwischen diesen beiden Variablen eine wechselseitige Beziehung bestehen. Deshalb haben wir ein Interaktionsmodell vorgeschlagen (Abbildung 2) und testete drei Hypothesen bezüglich der Beziehung zwischen diesen beiden Variablen.
ABBILDUNG 2. Hypothesisiertes Modell.
H1. Es gibt positive und signifikante kreuzverzögerte Wege von IA zu NMC, und NMC ist ein wirksamer Prädiktor für IA unter den chinesischen College-Neulingen.
H2. Die kreuzverzögerten Wege von IA zu NMC erreichen ein signifikantes Niveau, und das Niveau von IA beeinflusst NMC daher nachteilig.
H3. Die Beziehung zwischen IA und NMC kann im Allgemeinen auf Männer und Frauen angewendet werden.
Materialen und Methoden
Teilnehmer
Die anfängliche Anzahl von College-Neulingen, die für die Teilnahme zur Verfügung standen, waren 300-Teilnehmer, die alle an zwei Colleges in zwei Städten (Jinan und Heze) in der chinesischen Provinz Shandong eingeschrieben waren. Anfang September wurden Datensammlungen von 2015 (T1), 2 (T2) und 4 (T3) durchgeführt. Bei der ersten Welle der Datenerfassung haben alle diese 300-Studenten die Messung abgeschlossen. In den darauf folgenden Wellen zog sich 87 dieser 300-Studenten jedoch zur Hälfte zurück. Fehlende Teilnahme war auf Abwesenheit oder Krankheit zurückzuführen (Teilnahmequote: 71.00%). Daher blieben 213-Studenten für die endgültige Datenanalyse (104-Männer und 109-Frauen) im Alter von 17 bis 21-Jahren (M = 18.87 Jahre, SD = 0.76 Jahre). Um zu ermitteln, ob die Daten von Studierenden, die sich in der Mitte zurückgezogen haben (87-Studierende), von denjenigen unterschieden, die sich nicht (213-Studierende) in Bezug auf die in dieser Studie enthaltenen Variablen unterschieden, eine Reihe von t-Tests wurden mit den Daten durchgeführt, die bei der ersten Datenerfassungswelle gesammelt wurden; Keine dieser Analysen war signifikant. Alle diese Teilnehmer hatten Interneterfahrung und wurden in diese Studie einbezogen. Die Teilnehmer hatten das Internet durchschnittlich 5.59-Jahre genutzt (SD = 2.06) zu Beginn ihres College-Lebens. Informationen wurden über den Wohnsitz der Studenten gesammelt: 43.19% lebte in Großstädten, 35.68% lebte in Städten und 21.13% lebte in Dörfern. Darüber hinaus wurde für jeden Schüler eine Akte erstellt (diese enthielt die grundlegenden Informationen sowie den physischen und psychischen Gesundheitszustand), als sie das College betraten. Den Akten zufolge hat keiner der Teilnehmer psychische oder neurologische Störungen. Diese Studie wurde gemäß den Empfehlungen der ethischen Richtlinien der Shandong Normal University und der Deklaration von Helsinki mit schriftlicher Einwilligung aller Teilnehmer durchgeführt. Das Protokoll wurde von der Human Research Ethics Committee der Shandong Normal University genehmigt.
Instrumente
Internetsucht
In der aktuellen Studie wurde die überarbeitete chinesische Internet-Sucht-Skala (CIAS-R; Bai und Fan, 2005). Das CIAS-R enthält 19-Elemente, die in vier Faktoren unterteilt werden können: Zwangseinnahme und Entzug (z. B. „Ich bin während einer bestimmten Zeit ohne Internetzugang deprimiert“), Toleranz (z. B. „Ich muss immer mehr ausgeben.) der Zeit online, um sich zufrieden zu fühlen “), Zeitmanagementprobleme (z. B.„ Meine akademische oder berufliche Leistung leidet unter der Nutzung des Internets “) und zwischenmenschliche Probleme und Gesundheitsprobleme (z. B.„ Ich reduziere meine Schlafzeit, um mehr Zeit zu haben.) online"). Jede Reaktion wurde auf einer 4-Punkt-Likert-Skala mit Werten gemessen, die von 1 (überhaupt nicht wahr) zu 4 (immer wahr). Daher bedeuten höhere Mittelwerte höhere IA-Werte. Die Skala wurde in kürzlich durchgeführten Studien an chinesischen College-Studenten angewandt und zeigte eine hohe Zuverlässigkeit und Validität (Tian et al., 2015). In der vorliegenden Studie waren die Alpha-Koeffizienten für die Skala 0.92 bei T1, 0.95 bei T2 und 0.91 bei T3.
Maladaptive Kognition im Netzwerk
Diese Studie übernahm die von Liang überarbeitete Maladaptive Cognition Scale im Netzwerk. Die ursprüngliche Skala war die Online-Erkennungsskala, die auf der Grundlage des von Davis vorgeschlagenen kognitiven Verhaltensmodells entwickelt wurde (Tian et al., 2015). Die überarbeitete Skala enthält 14-Elemente, die in drei Faktoren unterteilt werden können: Internet-Komfort (z. B. „Ich erhalte online mehr Respekt als im‚ echten Leben ''), verminderte Impulskontrolle (z. B. „Wenn ich im Internet bin, oft fühlen Sie sich wie eine Art "Ansturm" oder emotionales Hoch "und Ablenkung (z. B." Die Verwendung des Internets ist ein Weg, um die Dinge zu vergessen, die ich tun muss, aber wirklich nicht tun möchte "). Die Teilnehmer bewerteten die Richtigkeit der einzelnen Aussagen auf einer Likert-Skala des 5-Punkts. Die Bewertung reicht von 1 (überhaupt nicht wahr) zu 5 (immer wahr). Daher bedeuten höhere Durchschnittswerte ein höheres NMC-Niveau in Bezug auf die Internetnutzung. Die Skala wurde in früheren Studien an chinesischen College-Studenten angewendet (Tian et al., 2015, 2017). In der aktuellen Studie waren die Alpha-Koeffizienten für die Skala 0.87 bei T1, 0.90 bei T2 und 0.90 bei T3.
Statistische Analyse
In dieser Studie haben wir ein vollständig kreuzverzahntes Panel-Design eingesetzt, um die unidirektionalen und bidirektionalen Beziehungen zwischen IA und NMC in chinesischen College-Neulingen zu untersuchen (Van Lier et al., 2012). Das allgemeine Modell bestand aus Messungen von IA und NMC bei T1, T2 und T3. Wir haben vier Modelle vorgeschlagen und getestet, die die möglichen Mechanismen zwischen den beiden Variablen darstellen. Zuerst haben wir ein "Stabilitätsmodell" vorgeschlagen (Modell 1, Abbildung 3), die nur zeitübergreifende Stabilitätseffekte beinhalteten. Zweitens ein kognitives Verhaltensmodell (Modell 2, Abbildung 3) wurde vorgeschlagen zu untersuchen, ob NMC zu einem bestimmten Zeitpunkt IA zum folgenden Zeitpunkt vorhersagen kann. Drittens haben wir ein „Verhaltens-kognitives Modell“ vorgeschlagen (Modell 3, Abbildung 3) zu prüfen, ob IA zu einem bestimmten Zeitpunkt NMC zum folgenden Zeitpunkt vorhersagen kann. Schließlich haben wir ein Modell für die wechselseitige Kausalität vorgeschlagen (Modell 4, Abbildung 3), der den wechselseitigen Einfluss zwischen IA und NMC untersucht hat. Darüber hinaus wurde eine geschlechtsspezifische, gruppenübergreifende Analyse in mehreren Gruppen durchgeführt, um zu untersuchen, ob die Beziehung zwischen den beiden Schlüsselvariablen zwischen Männern und Frauen unterschiedlich ist.
ABBILDUNG 3. Ergebnisse der zeitversetzten Analyse. Zeilen mit einem Pfeil repräsentieren Pfadkoeffizienten und Doppelpfeile repräsentieren Kovarianzen. Gestrichelte Linien zeigen nicht signifikante Koeffizienten an, und durchgezogene Linien zeigen signifikante Koeffizienten an. ***zeigen an, dass der Koeffizient auf 0.001-Ebene signifikant ist, ∗∗geben an, dass der Koeffizient auf 0.01-Ebene signifikant ist, und *zeigt an, dass der Koeffizient auf 0.05-Ebene signifikant ist.
Die Modellierung der strukturellen Gleichung mit latenten Variablen wurde verwendet, um das hypothetische Modell in dieser Studie zu testen. In Übereinstimmung mit der Empfehlung von Holbert und Stephenson (2002)wurde die Güte der Modellanpassung anhand einer Vielzahl von Indizes bewertet. Die χ2 Die Schätzung mit Freiheitsgraden ist immer noch das am häufigsten verwendete Mittel, um Vergleiche zwischen verschiedenen Modellen durchzuführen. Das Verhältnis zwischen χ2 Die Freiheitsgrade sollten 5 bei Modellen mit guter Passform nicht überschreiten. Außerdem haben wir den vergleichenden Anpassungsindex (CFI) zusammen mit dem Tucker-Lewis-Index (TLI) und dem quadratischen quadratischen Fehler der Approximation (RMSEA) angegeben. Im Allgemeinen spiegeln CFI- und TLI-Werte von 0.95 oder höher eine gute Anpassung wider, und RMSEA-Werte, die niedriger als 0.06 sind, zeigen eine hervorragende Anpassung an, während Werte zwischen 0.06 und 0.08 eine gute Anpassung anzeigen (Yuan et al., 2014). Darüber hinaus ist die χ2 Differenzprüfung (Δχ2) wurde verwendet, um die Passung der verschachtelten Modelle zu vergleichen. Ein nicht signifikantes Δχ2 Test zeigt, dass die beiden Modelle eine gleiche Anpassung an die Daten bieten, während ein signifikantes Δχ2 schlägt vor, das weniger beschränkte Modell beizubehalten (Tian et al., 2017).
Die Ergebnisse
Beschreibende Analyse
Die Mittelwerte und Standardabweichungen der Schlüsselvariablen in dieser Studie sind in der Tabelle dargestellt 1. Wiederholte Messungen ANOVA wurde durchgeführt, um den Einfluss von Geschlecht und Messzeit auf die Folgenabschätzung und NMC der Teilnehmer zu untersuchen ("gender" ist eine Variable zwischen den Subjekten und "Messzeit" ist eine Variable innerhalb der Subjekte). Die Ergebnisse zeigten keinen signifikanten Unterschied zwischen den Geschlechtern hinsichtlich der beiden abhängigen Variablen (F = 0.10, p = 0.749; F = 0.02, p = 0.822). Im Laufe der Zeit stieg der IA-Level von T1 auf T3 unter den College-Neulingen (F = 28.71, p <0.001). Die Ergebnisse von a Post-hoc- Test ergab, dass der bei T3 gemessene IA-Spiegel signifikant höher war als bei T2 (p <0.01) und T1 (p <0.001), und dass der bei T2 gemessene IA-Wert signifikant höher war als der bei T1 (p <0.001). Darüber hinaus bestanden geringfügige signifikante Unterschiede in der NMC, wenn sie zu unterschiedlichen Zeiten gemessen wurden (F = 2.93, p = 0.055). Die Ergebnisse der Post-hoc- Test ergab, dass der bei T3 gemessene IA-Spiegel signifikant höher war als bei T1 (p <0.05), und dass marginale signifikante Unterschiede in der NMC bestanden, wenn sie bei T1 und T2 gemessen wurden (p = 0.065). Bei der Messung bei T2 und T3 gab es jedoch keinen signifikanten Unterschied in NMC (p = 0.846). Die Wechselwirkung zwischen Geschlecht und Messzeit in den beiden Variablen erreichte kein signifikantes Niveau (F = 0.38, p = 0.682; F = 0.24, p = 0.791).
TABELLE 1. Beschreibende Statistiken zu IA und NMC (n = 213).
Wie in der Tabelle gezeigt 2Die bivariaten Korrelationen zwischen IA und NMC bei T1, T2 und T3 sowie alle kreuzverzögerten Korrelationen zwischen den beiden Variablen waren signifikant und positiv, was auf eine positive Beziehung zwischen IA und NMC schließen lässt.
TABELLE 2. Korrelationen zwischen IA und NMC (n = 213).
Kreuzverzögerte Beziehungen zwischen IA und NMC
Um die wechselseitigen Beziehungen zwischen IA und NMC zu untersuchen, wurde eine Reihe von Modellen mit Zeitverzögerung spezifiziert. Zuerst ein Basismodell (Modell 1, Abbildung 3) wurde angegeben; In diesem Modell wurden die Stabilitätskoeffizienten für IA und NMC geschätzt, aber die kreuzverzögerten Effekte zwischen den beiden Variablen wurden nicht geschätzt. Die Passform des Modells war akzeptabel (Tabelle 3). Zweitens wurden zum Testen des zuvor vorgestellten kognitiven Verhaltensmodells die kreuzverzögerten Pfade von NMC nach IA zum Baseline-Modell hinzugefügt (Modell 2, Abb 3), wodurch das Modell deutlich verbessert wurde (Tabelle 3). Das i‡2 Der Unterschiedstest ergab, dass das Modell 2 eine bessere Anpassung an die Daten zeigte als das Modell 1 (Δχ2 = 27.05, Δdf = 2, Δχ2/ Δdf = 13.53> 6.63) (Wen et al., 2006). Gemäß dem Modell 2 waren die standardisierten Pfadkoeffizienten 0.10 (p = 0.309) für NMC gemessen an T1 zu IA gemessen an T2 und 0.36 (p <0.001) für NMC gemessen bei T2 bis IA gemessen bei T3. Drittens wurden dem Basislinienmodell die übergreifenden Pfade von IA zu NMC hinzugefügt, um zu untersuchen, ob IA zu einem Zeitpunkt NMC zum folgenden Zeitpunkt vorhersagen kann (Modell 3, Abbildung) 3). Das Ergebnis zeigte, dass eine gute Modellanpassung erzielt wurde (Tabelle 3). Das i‡2 Unterschiedstest zeigte, dass das Modell 3 eine bessere Anpassung an die Daten zeigte als das Modell 1 (Δχ2 = 47.20, Δdf = 2, Δχ2/ Δdf = 23.60> 6.63). Gemäß Modell 3 betrugen die standardisierten Pfadkoeffizienten 0.44 (p <0.001) für IA gemessen bei T1 bis NMC gemessen bei T2 und 0.50 (p <0.001) für IA gemessen bei T2 bis NMC gemessen bei T3. Dies zeigt an, dass IA zu einem Zeitpunkt ein wirksamer Prädiktor für NMC zum folgenden Zeitpunkt war und dass das Hinzufügen der beiden Pfade zum Modell die Modellanpassung signifikant verbessern könnte. Viertens wurde Modell 4 sowohl mit Stabilitätskoeffizienten als auch mit dem Cross-Lagged-Effekt zwischen IA und NMC spezifiziert (Modell 4, Abbildung) 3). Das Modell passt die Daten ausreichend an (Tabelle 3). Die Modelle 3 und 4 sind jedoch verschachtelt und das χ2 Der Unterschiedstest ergab, dass die beiden Modelle gleich gut waren (Δχ2 = 11.69, Δdf = 2, Δχ2/ Δdf = 5.85 <6.63). Schließlich erreichten, wie in Modell 4 gezeigt, mit Ausnahme der standardisierten Pfadkoeffizienten für NMC, die bei T1 bis IA gemessen wurden, die bei T2 gemessen wurden, der Rest der überkreuzverzögerten Pfade zwischen IA und NMC ein signifikantes Niveau. Daher haben wir diesen Pfad gelöscht und Modell 5 entwickelt. Das Modell passte ausreichend zu den Daten (Tabelle 3). Daher wurde das Modell 5 aus folgenden Gründen als endgültiges Modell für die Analyse beibehalten: (1) Obwohl beide Modelle gleich gut abschnitten (Δχ2 = 0.21, Δdf = 1, Δχ2/ Δdf = 0.21 <6.63), Modell 5 ist einfacher und sparsamer als Modell 4, und es sollten weniger Parameter für die Analyse ausgewählt werden. (2) Das χ2 Test des Unterschieds zeigte, dass Modell 5 eine bessere Anpassung an die Daten zeigte als Modell 3 (Δχ2 = 11.48, Δdf = 1, Δχ2/ Δdf = 11.48> 6.63) und der standardisierte Pfadkoeffizient betrug 0.25 (p <0.001) für NMC gemessen bei T2 bis IA gemessen bei T3. Das heißt, es besteht eine starke Möglichkeit, dass die bei T2 gemessene NMC die bei T3 gemessene IA vorhersagen kann.
TABELLE 3. Vergleiche zwischen verschiedenen Modellen.
Geschlechtsunterschiede
Um zu untersuchen, ob sich die kreuzverzögerten Beziehungen zwischen IA und NMC bei Männern und Frauen unterscheiden, haben wir eine Mehrgruppenanalyse durchgeführt. Wir schätzten zuerst das Modell für Männer (Mmännlich) und Frauen (Mweiblich) getrennt, und die Fit - Indizes waren für beide Unterproben ausreichend (Tabelle 4). Die Messinvarianz wurde dann getestet, um zu bestimmen, ob beide Variablen für Männer und Frauen identisch gemessen wurden. Im völlig uneingeschränkten Messmodell (M1), alle Parameter konnten in den beiden Gruppen variieren. Es wurde eine akzeptable Modellanpassung erzielt und ein vollständig eingeschränktes Messmodell (M2) wurde dann analysiert, in dem alle Parameter für die beiden Gruppen identisch festgelegt wurden; das Modell passt die Daten ausreichend an (Tabelle 4). Das i‡2 Der Unterschiedstest ergab, dass die beiden Modelle gleich gut waren (Δχ2 = 6.50, Δdf = 15, p = 0.970).
TABELLE 4. Multigruppenanalyse für Männer und Frauen.
Um das Forschungsziel dieses Teils der Studie zu adressieren, haben wir eine übergreifende Analyse in mehreren Gruppen nach Geschlecht der College-Studenten durchgeführt. Es wurden drei Parameter getestet, um zu prüfen, ob sie sich zwischen den Geschlechtern unterscheiden: Stabilitätskoeffizienten, kreuzverzögerte Pfadkoeffizienten und Kovarianzen zwischen IA und NMC. Ein eingeschränktes Modell (M3) wurde angegeben, bei dem alle drei Parameter in beiden Gruppen identisch waren; dieses Modell erreichte eine zufriedenstellende Modellanpassung (Tabelle 4). Das i‡2 Der Unterschiedstest ergab, dass dieses Modell genauso gut zu den Daten passt wie das vollständig uneingeschränkte Modell (Δχ2 = 1.78, Δdf = 7, p = 0.996), was anzeigt, dass das Gesamtmuster der Pfade zwischen Männern und Frauen invariant war.
Diskussion
Diese Studie beinhaltete die Durchführung einer Cross-Lag-Panel-Umfrage, um die wechselseitige Beziehung zwischen IA und NMC zwischen chinesischen College-Neulingen zu untersuchen. Nach dem kognitiven Verhaltensmuster (Davis, 2001) kann eine wechselseitige Beziehung zwischen den beiden Variablen bestehen, und NMC ist ein wahrscheinlicher Prädiktor von IA. Diese Hypothese wurde jedoch nicht vollständig unterstützt. In den ersten 2-Monaten der Studie beobachteten wir keinen prädiktiven Effekt von NMC auf IA; Dies stimmt nicht mit den Ergebnissen einer früheren Studie überein (Tian et al., 2015). Insbesondere scheint NMC nicht die wesentliche Bedingung für die Erzeugung von IA zu sein. Dieses Ergebnis hängt wahrscheinlich mit den Teilnehmern der aktuellen Studie zusammen. In dieser Studie waren die Teilnehmer der Umfrage chinesische College-Neulinge, die kürzlich eine strenge Aufnahmeprüfung abgelegt hatten, nämlich „Gaokao“. Um die Zulassung zum College zu erhalten, müssen die Schüler während ihrer Grund- und Sekundarschulausbildung große Anstrengungen unternehmen. Daher haben nur wenige von ihnen ausreichend Zeit, um das Internet zu nutzen (Li und Liang, 2007). Daher war das Niveau der NMC am niedrigsten, als die Teilnehmer am College eingeschrieben waren, was einen erheblichen Einfluss auf die Erzeugung von Folgenabschätzungen hätte verhindern können. Während der Hochschulzeit können zahlreiche andere Faktoren dazu führen, dass Menschen vom Internet abhängig werden. Zum Beispiel kann die Anonymität und das Fehlen nonverbaler und demografischer Hinweise, die das Internet bietet, für das Wohlergehen der Schüler von Nutzen sein, da sie Entlastung von emotionalem Stress bieten (Caplan und Turner, 2007) und Verbesserung der Wahrnehmung von sozialer Unterstützung und Selbstwertgefühl (Kraut et al., 2002) sowie die Erweiterung der interpersonalen Beziehungen (Cotten, 2008). Darüber hinaus können Persönlichkeitsmerkmale während dieser Zeit eine entscheidende Rolle bei der Erstellung von Folgenabschätzungen spielen (Mike et al., 2014). Zum Beispiel waren Menschen mit hoher Kontrollkraft wirksamer bei der Unterdrückung impulsiver Handlungen, wenn sie mit dem Internet versucht wurden, wie bereits erwähnt. Im Gegensatz dazu neigten Menschen mit hohem Empfindungsauftrieb dazu, Suchtverhalten zu entwickeln (Zhang et al. 2015). Die akademische Belastung chinesischer Studienanfänger verringerte sich jedoch nach dem Eintritt in die Universität erheblich und sie hatten mehr Zeit, das Internet zu nutzen (Li und Liang, 2007). Daher haben sie möglicherweise schrittweise verschiedene kognitive Reaktionen auf das Internet entwickelt, und zwar durch eigene Erfahrungen oder Erfahrungen mit Peer-Austausch, die sich auf deren IA-Ebene auswirkten (Wang et al., 2015).
Nach dem kognitiven Verhaltensmuster (Davis, 2001), IA könnte sich negativ auf NMC auswirken (Caplan, 2010). Es wurden jedoch nur wenige empirische Studien durchgeführt, um diese Hypothese zu testen, und wenige Forscher haben Theorien vorgeschlagen, um dieses Phänomen zu erklären. Dennoch deuten die empirischen Nachweise der aktuellen Studie darauf hin, dass IA in seiner Beziehung zu NMC eine vorausschauende Priorität hatte, was sowohl die Erzeugung als auch die Entwicklung von NMC beeinflussen könnte. Einige Forscher haben das Verhalten von Onlinespielen bei chinesischen Jugendlichen untersucht. Sie haben berichtet, dass das Verhalten von Online-Spielen die Wahrnehmung von Onlinespielen erheblich beeinflussen könnte, da die Änderung der relativen Wahrnehmung von Onlinespielen eine effiziente Methode zur Linderung von Unannehmlichkeiten ist, die durch die Inkonsistenzen zwischen Verhalten und Denken verursacht werden (Wang et al., 2015). Daher haben wir die Theorie der kognitiven Dissonanz als erklärendes Modell angewendet, um den Mechanismus der prädiktiven Wirkung von IA auf NMC zu diskutieren (Cooper, 2007). Nach dieser Theorie erfahren die Menschen, wenn sie sich der Unstimmigkeiten bewusst werden, Unbehagen oder Dissonanzen, was Bestrebungen auslöst, diese Erfahrung zu reduzieren und Konsistenz wiederherzustellen, indem sie ihre Einstellungen, Wahrnehmungen oder Verhaltensweisen anpassen, bis solche Unstimmigkeiten gelöst sind (de Vries und Timmins, 2016). Die meisten Menschen können ihr Verhalten erfolgreich anpassen, um diese Dissonanz zu reduzieren. Einige Menschen neigen jedoch dazu, Verhaltensweisen zu rechtfertigen, die scheinbar die Dissonanz reduzieren, und zwar mit Gründen wie "Ich kann online mehr Respekt erhalten als im wirklichen Leben", "Ich fühle mich am sichersten, wenn ich im Internet bin" oder "Die Verwendung des Internets ist eine So kann ich die Dinge vergessen, die ich tun muss, aber nicht tun möchte. “Wenn sich die Menschen überzeugt haben, dass die Abhängigkeit vom Internet vernünftig ist, verringert sich die Dissonanz und sie fühlen sich besser. Die effektive Methode zur Verringerung von Dissonanzbeschwerden neigt jedoch dazu, wiederholt zu werden, wenn eine andere identische Verletzung auftritt, was problematisch ist (de Vries und Timmins, 2016). Das heißt, wenn solche NMCs von den Schülern eingerichtet wurden, führt die nachfolgende übermäßige Nutzung des Internets nicht zu demselben Unbehagen, was die übermäßige Nutzung des Internets weiter erhöht. Zusammenfassend ist festzuhalten, dass die Erzeugung und Entwicklung von IA durch einen Teufelskreis verursacht wird, der NMC und die übermäßige Nutzung des Internets umfasst, und IA hat in seiner Beziehung zu NMC die Vorhersagepriorität.
Die Ergebnisse zeigen keine signifikanten Unterschiede in den Schlüsselvariablen zwischen Männern und Frauen. Dies steht im Widerspruch zu den Ergebnissen vieler anderer Studien (Müller et al., 2014). Dies ist möglicherweise auf die rasche Entwicklung von Computer- und Netzwerktechnologien zurückzuführen, die die Netzwerkendgeräte und deren Anwendungen erheblich verändert haben (Daniel et al., 2012; Mike und Zhong, 2014). Zum Beispiel sind in der heutigen Gesellschaft Mobiltelefone nach und nach zu den wichtigsten Zugangsmitteln für das Internet geworden, und mit ihnen können verschiedene Aktivitäten wie Einkaufen und Browsen durchgeführt werden. Sowohl Männer als auch Frauen genießen die Mehrheit dieser Aktivitäten (San, 2015). Darüber hinaus zeigen die Ergebnisse der übergreifenden Analyse mehrerer Gruppen, dass die gefundenen Pfade zwischen IA und NMC für Männer und Frauen gleich waren. Das bedeutet, dass die Prozesse, die zu IA führen, für beide Geschlechter identisch sein können, und das endgültige Modell, das in der vorliegenden Studie etabliert wurde, besitzt daher eine weitreichende Anwendbarkeit und praktische Bedeutung für chinesische Hochschulanfänger.
Um den generativen Mechanismus und den Entwicklungsmechanismus von IA weiter zu identifizieren, haben wir ein theoretisches Modell vorgeschlagen, das auf den Ergebnissen dieser Studie sowie auf dem von Davis vorgeschlagenen kognitiven Verhaltensmodell basiert (Abbildung 4). Nach diesem Modell ist die Erzeugung und Entwicklung von IA das Ergebnis eines Teufelskreises, der IA und NMC umfasst, und dieser Zyklus wird hauptsächlich durch das Unbehagen verursacht, das durch die Inkonsistenzen zwischen Verhalten und Denken verursacht wird (de Vries und Timmins, 2016). Da dieser Zyklus vor allem mit einer übermäßigen Nutzung des Internets beginnt, ist es notwendig, diesen Teufelskreis zu Beginn des Semesters durch verschiedene Methoden zu mildern. Aufgrund der starken Anziehungskraft des Internets auf junge Menschen ist es jedoch schwierig, die Folgenabschätzungen unter den Studienanfängern zu vermeiden. Nach der Theorie der kognitiven Dissonanz gibt es zwei Methoden, wenn einige von ihnen süchtig nach dem Internet werden, um das durch die Inkonsistenzen zwischen Verhalten und Denken verursachte Unbehagen zu reduzieren. Die erste Methode beinhaltet das Ändern des Online-Verhaltens, und die zweite Methode beinhaltet das Anpassen von Erkenntnissen, um Begründungen für das Suchtverhalten zu entwickeln. Die zweite Methode wird offensichtlich bevorzugt. Daher kann dieses Modell zu Beginn des Schuljahres theoretische Unterstützung für Präventions- und Sanierungspläne für IA bei chinesischen Studenten bieten.
ABBILDUNG 4. Theoretisches Modell der vorliegenden Studie.
Einschränkungen und zukünftige Richtungen
Einige Einschränkungen dieser Studie sind erwähnenswert. Erstens, obwohl wir ein theoretisches Modell zur Erzeugung und Entwicklung von IA vorgeschlagen haben, wurde dieses Modell in der aktuellen Studie nicht vollständig validiert, und wir konzentrierten uns nur auf die wechselseitige Beziehung zwischen IA und NMC. Daher sollten weitere empirische Untersuchungen zur Verifizierung dieses Modells durchgeführt werden. Darüber hinaus hätte dieses theoretische Modell möglicherweise den Einfluss verschiedener anderer Faktoren wie Emotion und äußere Umgebung nicht berücksichtigt. Daher sollten ausgefeiltere theoretische Modelle entwickelt werden, um dieses Problem anzugehen. Zweitens führte diese Studie drei Erhebungen von September 2015 bis Januar 2016 durch, um die wechselseitige Beziehung zwischen IA und NMC zu untersuchen. Die Zeitspanne der drei Erhebungen war jedoch möglicherweise zu kurz, um eine stabile Änderung der Folgenabschätzung über die Zeit festzustellen. Der Entwicklungstrend kann in späteren Perioden während des Studiums der Studenten möglicherweise ausgeprägt sein. Daher ist eine weitere Erforschung dieses Themas in den verbleibenden Jahren ihrer Collegezeit erforderlich. Schließlich war die Verwendung einer geeigneten Stichprobe von College-Neulingen in dieser Studie aufgrund von finanziellen und personellen Einschränkungen erforderlich. An diesem Beispiel waren nur 213-Teilnehmer beteiligt, die alle von einer Universität in der Provinz Shandong in China kamen. Die wirtschaftlichen und kulturellen Unterschiede zwischen den Provinzen können sich auf die Beziehungen zwischen den beiden Schlüsselvariablen auswirken, die College-Neulinge betreffen. Daher sollte die Studie mit einer größeren Stichprobe aus verschiedenen Regionen Chinas repliziert werden.
Autorenbeiträge
PH trug zur anfänglichen Konzeption der Idee und zum Schreiben von Manuskripten bei. PW und FG trugen zu den kritischen Revisionen bei. QL und YT halfen, die Datenerfassung und -analyse abzuschließen. Alle Autoren genehmigten die endgültige Version des Manuskripts zur Veröffentlichung.
Förderung
Diese Forschung wurde durch das wissenschaftliche Forschungsprogramm der Humanities-Society der Provinz Shandong (J16YG21), das Art Scientific-Programm der Provinz Shandong (ZX2015021) und das Scientific Research-Programm der Humanities-Society der Heze University (XY16SK09) unterstützt.
Interessenkonflikt
Die Autoren erklären, dass die Untersuchung in Abwesenheit von kommerziellen oder finanziellen Beziehungen durchgeführt wurde, die als möglicher Interessenkonflikt ausgelegt werden könnten.
Bibliographie
Ahmadi, K. und Saghafi, A. (2013). Psychosoziales Profil der Internetsucht von iranischen Jugendlichen. Cyberpsychol. Verhalten Soc. Netzwerk. 16, 543-548. doi: 10.1089 / cyber.2012.0237
Ayas, T. und Horzum, MB (2013). Beziehung zwischen Depression, Einsamkeit, Selbstwertgefühl und Internetsucht. Bildungswesen 133, 183-190.
Bai, Y. und Fan, FM (2005). Eine Studie zur Internetabhängigkeit von College-Studenten: das Überarbeiten und Anwenden einer Messung. Psychol. Entwickler Ausbildung 4, 99-104. doi: 10.3969 / j.issn.1001-4918.2005.04.019
K. Bessière, S. Kiesler, R. Kraut und BS Boneva (2008). Einfluss der Internetnutzung und sozialer Ressourcen auf Veränderungen bei Depressionen. Informieren. Commun Soc. 11, 47-70. doi: 10.1080 / 13691180701858851
Caplan, S. (2010). Theorie und Messung der generalisierten problematischen Internetnutzung: ein zweistufiger Ansatz. Comput. Summen. Verhalten 26, 1089 – 1097. doi: 10.1016 / j.chd.2010.03.012
Caplan, SE und Turner, JS (2007). Theoretische Forschung über computervermittelte, tröstende Kommunikation. Comput. Summen. Verhalten 23, 985-998. doi: 10.1016 / j.chb.2005.08.003
Chen, SK (2012). Internetnutzung und psychologisches Wohlbefinden bei Studenten: ein latentes Profil. Comput. Summen. Verhalten 28, 2219-2226. doi: 10.1016 / j.chb.2012.06.029
Chiou, WB und Wan, CS (2007). Nutzung kognitiver Dissonanz, um Jugendliche dazu zu bringen, sich aus der Klaue des Online-Glücksspiels zu befreien: die Rolle der persönlichen Verantwortung und der Rechtfertigung der Kosten. CyberPsychol. Verhalten 10, 663-670. doi: 10.1089 / cpb.2007.9972
Chuang, C. (2006). Massive Multiplayer-Online-Rollenspiele-Anfälle: ein vernachlässigtes Gesundheitsproblem bei der Internetsucht. Cyberpsychol. Verhalten 9, 451-456. doi: 10.1089 / cpb.2006.9.451
Cooper, J. (2007). Kognitive Dissonanz: 50 Jahre einer klassischen Theorie. London: Sage.
Cotten, SR (2008). Studententechnologie und deren Auswirkungen auf das Wohlbefinden. Neue Dir. Zucht. Serv. 124, 55 – 70. doi: 10.1002 / ss.295
Daniel, LK, Paul, HD, Mark, DG und Michael, G. (2012). Kognitiv-verhaltensbezogene Ansätze zur Patientenbehandlung der Internetsucht bei Kindern und Jugendlichen. J. Clin. Psychol. 68, 1185-1195. doi: 10.1002 / jclp.21918
Davis, RA (2001). Ein kognitives Verhaltensmodell der pathologischen Internetnutzung. Comput. Summen. Verhalten 17, 187–195. doi: 10.1016/S0747-5632(00)00041-8
de Vries, J. und Timmins, F. (2016). Versorgungserosion in Krankenhäusern: Probleme in der reflektierenden Pflegepraxis und die Rolle der kognitiven Dissonanz. Krankenschwester Educ. Heute 38, 5 – 8. doi: 10.1016 / j.nedt.2015.12.007
Festinger, L. (1957). Eine Theorie der kognitiven Dissonanz. Evanston, IL: Row, Peterson.
Forrest, CJ, King, DL und Delfabbro, PH (2016). Die Messung maladaptiver Kognitionen, die problematischem Videospiel bei Erwachsenen zugrunde liegen. Comput. Summen. Verhalten 55, 399-405. doi: 10.1016 / j.chb.2015.09.017
Forrest, CJ, King, DL und Delfabbro, PH (2017). Maladaptive Kognitionen prognostizieren Veränderungen im problematischen Glücksspiel bei engagierten Erwachsenen: eine 12-Monats-Langzeitstudie. Süchtiger. Verhalten 65, 125-130. doi: 10.1016 / j.addbeh.2016.10.013
Fu, KW, Chan, WS, Wong, PW und Yip, PS (2010). Internetsucht: Prävalenz, Diskriminanzgültigkeit und Korrelationen zwischen Jugendlichen in Hongkong. Br. J. Psychiatry 196, 486 – 492. doi: 10.1192 / bjp.bp.109.075002
F. Georgios, S. Konstantinos, S. Ariadni, G. Loannis und G. Georgios (2014). Die Beziehung zwischen Persönlichkeit, Verteidigungsstilen, Internetsuchtstörung und Psychopathologie bei Studenten. Cyberpsychol. Verhalten Soc. Netz 17, 6722-6676. doi: 10.1089 / cyber.2014.0182
Holbert, RL und Stephenson, MT (2002). Strukturgleichungsmodellierung in den Kommunikationswissenschaften, 1995-2000. Summen. Commun Res. 28, 531–551. doi: 10.1111/j.1468-2958.2002.tb00822.x
Joseph, CP, Philip, P., Baljinder, S., Sarah, M., Chris, J., Andrew, TG, et al. (2016). Die Entwicklung der zwanghaften Internetnutzung und der psychischen Gesundheit: eine vierjährige Studie über das Jugendalter. Entwickler Psychol. 52, 272 – 283. doi: 10.1037 / dev0000070
Kalkan, M. (2012). Produktivität interpersonaler kognitiver Verzerrungen bei der problematischen Internetnutzung von Universitätsstudenten. Kind. Jugend Serv. Rev. 34, 1305 – 1308. doi: 10.1016 / j.childyouth.2012.03.003
Kim, EJ, Namkoong, K., Ku, T. und Kim, SJ (2008). Die Beziehung zwischen Onlinespielsucht und Aggression, Selbstkontrolle und narzisstischen Persönlichkeitsmerkmalen. EUR. Psychiatrie 23, 212-218. doi: 10.1016 / j.Europsy.2007.10.010
King, DL und Delfabbro, PH (2014). Die kognitive Psychologie der Internet-Gaming-Störung. Clin. Psychol. Rev. 34, 298-308. doi: 10.1016 / j.cpr.2014.03.006
King, DL und Delfabbro, PH (2016). Die kognitive Psychopathologie der Internet-Spielstörung im Jugendalter. J. Abnormal Child Psychol. 44, 1635–1645. doi: 10.1007/s10802-016-0135-y
R. Kraut, S. Kiesler, B. Boneva, J. Cummings, V. Helgeson und A. Crawford (2002). Internet-Paradox überarbeitet. J. Soc. Probleme 58, 49-74. doi: 10.1111 / 1540-4560.00248
Li, DL, Zhang, W., Wang, YH und Li, DP (2013). Mütterliche psychologische Kontrolle und problematische Internetnutzung von Jugendlichen: Die vermittelnde Rolle der unangepassten Wahrnehmung. Psychol. Sci. 36, 411-416.
Li, H. und Wang, S. (2013). Die Rolle der kognitiven Verzerrung bei der Abhängigkeit von Online-Spielspielen bei chinesischen Jugendlichen. Kind. Jugend Serv. Rev. 35, 1468 – 1475. doi: 10.1016 / j.childyouth.2013.05.021
Li, N. und Liang, NJ (2007). Eine Studie über die kognitiven Grundlagen der Internetsuchtabhängigkeit von Studenten. Psychol. Sci. 30, 65-68. doi: 10.3969 / j.issn.1671-6981.2007.01.015
Liu, GC, Jen, JY, Chen, CY, Yen, CF, Chen, CS, Lin, WC, et al. (2014). Hirnaktivierung zur Antworthemmung bei Spielereignissen bei Internet-Spielstörungen. Kaohsiung J. Med. Sci. 30, 43 – 51. doi: 10.1016 / j.kjms.2013.08.005
Liu, QX, Fang, XY, Deng, LY und Zhang, JT (2012). Elternkommunikation, elterliche Internetnutzung und internetspezifische Normen und pathologische Internetnutzung bei chinesischen Jugendlichen. Comput. Summen. Verhalten 28, 1269-1275. doi: 10.1016 / j.chb.2012.02.010
Lu, X. und Yeo, KJ (2015). Pathologische Internetnutzung bei Studenten in Malaysia: Risikofaktoren und die Rolle der kognitiven Verzerrung. Comput. Summen. Verhalten 45, 235-242. doi: 10.1016 / j.chb.2014.12.021
Mai, Y., Hu, J., Yan, Z., Zhen, S., Wang, S. und Zhang, W. (2012). Struktur und Funktion von maladaptiven Erkenntnissen in der pathologischen Internetnutzung bei chinesischen Jugendlichen. Comput. Summen. Verhalten 28, 2376-2386. doi: 10.1016 / j.chb.2012.07.009
Mike, ZY, He, J., Deborah, MK und Pang, KC (2014). Der Einfluss von Persönlichkeitsverhalten und Selbstwertgefühl auf die Internetsucht: eine Studie chinesischer Studenten. Cyberpsychol. Verhalten Soc. Netzwerk. 17, 104-110. doi: 10.1089 / cyber.2012.0710
Mike, ZY und Zhong, ZJ (2014). Einsamkeit, soziale Kontakte und Internetsucht: eine übergreifende Panelstudie. Comput. Summen. Verhalten 30, 164-170. doi: 10.1016 / j.chb.2013.08.007
Müller, KW, Glaesmer, H., Brähler, E., Woelfling, K. und Beutel, ME (2014). Prävalenz der Internetsucht in der Allgemeinbevölkerung: Ergebnisse einer deutschen Bevölkerungsumfrage. Behav. Informieren. Technol. 33, 757 – 766. doi: 10.1080 / 0144929X.2013.810778
Ni, XL, Yan, H., Chen, SL und Liu, ZG (2009). Einflussfaktoren auf die Internetsucht in einer Stichprobe von Studienanfängern in China. Rapid Commun. 12, 327-330. doi: 10.1089 / cpb.2008.0321
W. Peng und M. Liu (2010). Online-Gaming-Abhängigkeit: eine vorläufige Studie in China. Cyberpsychol. Verhalten Soc. Netzwerk. 13, 329-333. doi: 10.1089 / cyber.2009.0082
San, C. (2015). Der CNNIC veröffentlichte den fünfunddreißigsten Bericht über die Internetentwicklung in China. Dis. Educ. China 4, 99 – 104. doi: 10.13541 / j.cnki.chinade.2015.02.006
Shaw, M. und Black, DW (2008). Internetsucht: Definition, Bewertung, Epidemiologie und klinisches Management. CNS Drogen 22, 353–365. doi: 10.2165/00023210-200822050-00001
Shek, DTL, Sun, RCF und Yu, L. (2013). "Internetsucht" in Neurowissenschaften im 21st Jahrhundert: Von der Basis zur Kliniked. DW Pfaff (New York, NY: Springer), 2775 – 2811. doi: 10.1007 / 978-1-4614-1997-6_108
Tian, Y., Bian, YL, Han, PG, Gao, FQ und Wang, P. (2017). Zusammenhänge zwischen psychosozialen Faktoren und allgemeiner pathologischer Internetnutzung bei chinesischen Universitätsstudenten: eine längsübergreifende Analyse. Comput. Summen. Verhalten 72, 178-188. doi: 10.1016 / j.chb.2017.02.048
Tian, Y., Bian, YL, Han, PG, Wang, P. und Gao, FQ (2015). Die Auswirkung der Schüchternheit auf die Internetsucht: die vermittelnden Auswirkungen der Immersionsneigung und der Netzwerk-Maladaptive-Kognition. Kinn. J. Spec. Educ. 12, 83-89. doi: 10.3969 / j.issn.1007-3728.2015.12.014
Tokunaga, RS und Rains, SA (2010). Eine Bewertung von zwei Charakterisierungen der Beziehungen zwischen problematischer Internetnutzung, Zeit im Internet und psychosozialen Problemen. Summen. Commun Res. 36, 512 – 545. doi: 10.1111 / J.1468-2958.2010.01386.X
Tsai, HF, Cheng, SH, Yeh, TL, Shih, CC, Chen, KC, Yang, YC, et al. (2009). Der Risikofaktor der Internetsucht - eine Umfrage unter Studienanfängern. Psychiatrie Res. 167, 294 – 299. doi: 10.1016 / j.psychres.2008.01.015
Van den Eijnden, RJJM, R. Spijkerman, AA Vermulst, Van Rooij, TJ und Engles, RCME (2010). Zwanghafte Internetnutzung bei Jugendlichen: bidirektionale Eltern-Kind-Beziehungen. J. Abnorm. Kind Psychol. 38, 77–89. doi: 10.1007/s10802-009-9347-8
Van Lier, PA, F. Vitaro, ED Barker, Brendgen, M., Tremblay, RE, und Boivin, M. (2012). Peer-Viktimisierung, schlechte akademische Leistungen und der Zusammenhang zwischen dem Problem der Externalisierung und Internalisierung von Kindern. Kind Dev. 83, 1775-1788. doi: 10.1111 / j.1467-8624.2012.01802.x
Wang, T., Wei, H., Zhou, ZK, Xiong, J., Li, X., Yang, X., et al. (2015). Beziehungen zwischen Peer-Player-Verhältnissen, unpassender Wahrnehmung und Online-Spielsucht. Kinn. J. Clin. Psychol. 23, 487 – 493. doi: 10.16128 / j.cnki.1005-3611.2015.03.023
Wen, ZL, Chang, L. und Hou, JT (2006). Mittlerer Moderator und moderierter Mediator. Acta Psychol. Sünde. 38, 448-452.
Woodhouse, SS, Dykas, MJ und Jude, C. (2012). Einsamkeit und Peer Relations im Jugendalter. Rev. Soc. Dev. 21, 273-293. doi: 10.1111 / j.1467-9507.2011.00611.x
Yang, LS, Sun, L., Zhang, ZH, Sun, YH, Wu, HY und Ye, DQ (2014). Internetabhängigkeit, Depressionen für Jugendliche und die Rolle des Lebens bei der Vermittlung: Feststellung aus einer Stichprobe chinesischer Jugendlicher. Int. J. Psychol. 49, 342 – 347. doi: 10.1002 / ijop.12063
Young, KS und de Abreu, CN (2011). Internetabhängigkeit: Ein Handbuch und ein Handbuch zur Bewertung und Behandlung. Hoboken, New Jersey: Wiley.
Young, KS, Pistner, M., O'Mara, J. und Buchanan, J. (1999). Cyberstörungen: Das psychische Gesundheitsproblem des neuen Jahrtausends. Cyberpsychol. Verhalten 2, 475-479. doi: 10.1089 / cpb.1999.2.475
Yuan, YC, Shao, AH, Liang, LC und Bian, YF (2014). Eine zeitverzögerte Analyse der Beziehung zwischen Unsozialität, Peer-Ablehnung und Peer-Viktimisierung Psychol. Entwickler Ausbildung 30, 16-23.
Zhang, HY, Li, DP und Li, X. (2015). Temperament und problematische Internetnutzung bei Jugendlichen: ein moderiertes Vermittlungsmodell für maladaptive Wahrnehmungs- und Erziehungsstile. J. Child Family Stud. 24, 1886–1897. doi: 10.1007/s10826-014-9990-8
Zhang, JT, Chen, C., Wang, LJ, Liu, L., Liu, FE, Zhao, HC, et al. (2014). Die Beziehung zwischen online verbrachter Zeit und Internetsucht unter chinesischen College-Neulingen: ein vermitteltes Moderationsmodell. Acta Psychol. Sünde. 30, 65-68. doi: 10.3969 / j.issn.1671-6981.2007.01.015
Zhou, Z., Yuan, G. und Yao, J. (2012). Kognitive Verzerrungen gegenüber Internet-Spiel-bezogenen Bildern und Exekutivdefiziten bei Personen mit einer Internet-Spielsucht. PLoS ONE 7: e48961. doi: 10.1371 / journal.pone.0048961
Schlüsselwörter: Internetsucht, Netzwerkbezogene maladaptive Kognition, Studienanfänger, Cross-Lag-Panel-Umfrage, Chinesisch
Zitieren: Han P, Wang P, Lin Q, Tian Y, Gao F und Chen Y (2017) wechselseitige Beziehung zwischen Internetsucht und netzbedingter maladaptiver Kognition unter den chinesischen College-Neulingen: Eine längsübergreifende Analyse. Vorderseite. Psychol. 8: 1047. doi: 10.3389 / fpsyg.2017.01047
Erhalten: 13 März 2017; Akzeptiert: 08 Juni 2017;
Veröffentlicht: 22 Juni 2017.
Bearbeitet von:
Qinghua Er, Südwest-Universität, China
Rezensiert von:
Guangheng Dong, Zhejiang Normal University, China
Jennifer Kennel, Universitätsklinikum des Saarlandes, Deutschland
Copyright © 2017 Han, Wang, Lin, Tian, Gao und Chen. Dies ist ein Open-Access-Artikel, der unter den Bedingungen der Creative Commons Attribution-Lizenz (CC BY). Die Verwendung, Verbreitung oder Vervielfältigung in anderen Foren ist gestattet, sofern der / die ursprüngliche (n) Autor (en) oder Lizenzgeber genannt werden und die Originalveröffentlichung in dieser Zeitschrift gemäß der anerkannten akademischen Praxis zitiert wird. Eine Verwendung, Verbreitung oder Vervielfältigung ist nicht gestattet, die diesen Bedingungen nicht entspricht.
;