Süchtiger Behav. Rep. 2017 Juni; 5: 19–28.
Veröffentlicht online 2017 Feb 7. doi: 10.1016 / j.abrep.2017.02.002
PMCID: PMC5800554
PMID: 29450224
Sprache: Englisch | Deutsch | Deutsch
Rayna Sariyska,a,⁎ Bernd Lachmann,a Sebastian Marktet,b,c Martin Reuter,b,c und Christian Montaga,d
1. Einführung
Das Internet hat seinen Weg in das tägliche Leben vieler Menschen weltweit gefunden und bietet eine einfache Möglichkeit, Informationen zu sammeln und Unterhaltung zu konsumieren. Mit der wachsenden Zahl von Internetnutzern, die derzeit fast 50% der Weltbevölkerung ausmachen (Zugriff auf 07.09.16. http://www.internetlivestats.com/internet-users/)Die Zahl der Meldungen über problematische Internetnutzung (PIU) steigt. In einer repräsentativen Studie aus Deutschland (N = 15,024 Teilnehmer) Rumpf, Meyer, Kreuzer, John und Merkeerk (2011) zeigten eine Prävalenz von 1.5% bei der Internetabhängigkeit, wobei jüngere Benutzer einen höheren Anteil aufwiesen (4% in der Gruppe der 14- bis 16-Jährigen). Erste Versuche, PIU zu definieren und zu diagnostizieren1 wurden von Kimberly Young im Jahr 1998 gemacht (siehe auch erster Fallbericht von Jung, 1996). Seitdem wurden zahlreiche Tests und Screening-Instrumente entwickelt (z Jung, 1998b, Jung, 1998a, Tao et al., 2010), um Prävalenzen in verschiedenen Populationen berechnen zu können und Patienten eine effektive Behandlung zu ermöglichen. Es gibt jedoch immer noch keine nosologische Klassifizierung von PIU. Die Forschung zur Online-Spielsucht scheint einen Schritt voraus zu sein, da kürzlich die Internet Gaming Disorder (IGD) in Abschnitt III von DSM-5 aufgenommen wurde, um weitere Untersuchungen vor ihrer Berücksichtigung als formelle Störung zu fördern (American Psychiatric Association). IGD wird als eine spezifische Form von PIU angesehen, die sich nur in kleinen Teilen mit der oben beschriebenen verallgemeinerten Form von PIU überschneidet (z Davis, 2001, Montag et al., 2015).
1.1. PIU und implizites Lernen / Entscheidungsfindung
Defizite in der Entscheidungsfindung haben sich in zahlreichen Studien gezeigt, in denen Patienten mit Substanz- und Verhaltenssucht untersucht wurden (z. B. Bechara et al., 2001, Schoenbaum et al., 2006). Wegen Ähnlichkeiten in der Konzeptualisierung von PIU und Verhaltens- / Substanzabhängigkeit (Jung, 1998a), ist das Thema der Entscheidungsfindung auch von hoher Relevanz, um das Wesen übermäßiger Internetnutzung besser zu verstehen. Bei der Beurteilung der Entscheidungsfindung wurde zwischen zweifelhafter Entscheidungsfindung und Risikoentscheidung unterschieden (Marke et al., 2006, Schiebener und Brand, 2015). Während bei mehrdeutigen Entscheidungsprozessen die Regeln für Gewinne und Verluste und die Wahrscheinlichkeiten verschiedener Ergebnisse nicht explizit erläutert werden (gemessen zB mit den (ersten Versuchen der) IOWA Gambling Task oder IGT), wird bei der Entscheidungsfindung unter Risiko explizite Information über das Potential gegeben Konsequenzen, und die Wahrscheinlichkeiten für Gewinne und Verluste sind verfügbar oder berechenbar (gemessen zB mit dem Game of Dice Task oder GDT) (Marke et al., 2006, Schiebener und Brand, 2015). Basierend auf dieser Differenzierung und auf den Dual-Prozess-Modellen der Entscheidungsfindung (z. B. Epstein, 2003), Schiebener und Marke (2015) ein theoretisches Modell vorgeschlagen, um die Risikoentscheidung zu erklären. In diesem Modell wird die Rolle der exekutiven Funktionen als Schlüssel für die Entscheidungsfindung unter Risiko hervorgehoben, nicht aber die Entscheidungsfindung unter Mehrdeutigkeit. Emotionale Belohnung und Bestrafung sollen beide Formen der Entscheidungsfindung begleiten. So können sowohl reflektorische Prozesse (gesteuert durch Kognition) als auch impulsive Prozesse (ausgelöst durch die Erwartung emotionaler Belohnung und Bestrafung) unter objektiven Risikobedingungen in Entscheidungsprozesse eingebunden werden (Schiebener & Brand, 2015). Darüber hinaus wurde vorgeschlagen, dass Faktoren wie Informationen über die Entscheidungssituation, individuelle Attribute und situationsbedingte Zustände sowie äußere Einflüsse modulatorische Auswirkungen auf die Entscheidungsfindung haben (Schiebener & Brand, 2015).
Im Hinblick auf die Internetabhängigkeit wurde ein neuer theoretischer Rahmen vorgeschlagen Brand, Young, Laier, Wölfling und Potenza (2016)Eine Interaktion von Personen-Affekt-Kognition-Ausführung (I-PACE), bei der auch eine Beeinträchtigung der exekutiven Funktionen und der inhibitorischen Kontrolle hervorgehoben wurde, um für die Entwicklung von PIU relevant zu sein. Nach diesem Modell beruhen die Entwicklung und Aufrechterhaltung spezifischer Störungen des Internetgebrauchs auf Wechselwirkungen zwischen prädisponierenden Faktoren (z. B. Persönlichkeit und Psychopathologie), Moderatoren (z. B. dysfunktionaler Coping-Stil und Internet-Erwartungen) und Mediatoren (z. B. affektive und kognitive Reaktionen auf situative Hinweise). Diese komplexen Interaktionen, kombiniert mit dem Erleben von Befriedigung und positiver Verstärkung, als Konsequenz der Verwendung eines bestimmten Merkmals des Internets und mit reduzierten Exekutivfunktionen und inhibitorischer Kontrolle, könnten zu einer spezifischen Störung der Internetnutzung führen.
Bisher wurden einige empirische Studien im Zusammenhang mit PIU, inhibitorischer Kontrolle und Entscheidungsfindung durchgeführt. Die meisten entsprechen dem oben genannten theoretischen Rahmen von Marke et al. (2016). Sun et al. (2009) berichteten beispielsweise über eine schlechtere Leistung bei einer Glücksspielaufgabe bei übermäßigen Internetnutzern und eine langsamere Wahl einer erfolgreichen Strategie im Vergleich zu Kontrollteilnehmern. In einer neueren Studie Pawlikowski und Marke (2011) berichteten, dass die GDT in einer Gruppe exzessiver World of Warcraft (WoW) -Spieler im Vergleich zu Kontrollteilnehmern geringere Entscheidungsfähigkeiten unter Risiko habe. Yao et al. (2015) verwendeten eine modifizierte Version der Go / NoGo-Aufgabe (in der spielbezogene Stimuli neben neutralen Stimuli verwendet wurden) und berichteten über eine Verringerung der Hemmungskontrolle bei Teilnehmern mit IGD im Vergleich zu Kontrollteilnehmern. Laier, Pawlikowski und Brand (2014) fanden ähnliche Ergebnisse mit einer modifizierten Version des IGT, bei der pornografische und neutrale Bilder auf den vorteilhaften und/oder nachteiligen Kartensätzen verwendet wurden. Hier zeigten männliche Teilnehmer in Versuchen, in denen die pornografischen Bilder mit nachteiligen Kartenspielen in Verbindung gebracht wurden, eine mangelnde Entscheidungsfindung. Allerdings wurden auch gemischte Ergebnisse bezüglich der Entscheidungsfindung im Kontext von PIU oder IGD berichtet. In einer Studie von Koet al. (2010) zum Beispiel zeigten Internet-abhängige Teilnehmer eine bessere Entscheidungsfindung, gemessen mit dem IGT, verglichen mit Kontrollteilnehmern. In der Studie von Yao et al. (2015) Wie bereits oben erwähnt, konnte kein Unterschied bei der Entscheidungsfindung mit dem IGT zwischen gesunden und IGD-Teilnehmern festgestellt werden. Um diese widersprüchlichen Ergebnisse zu entwirren, sind weitere Studien zur Untersuchung möglicher Störvariablen notwendig. Eine bestimmte Variable wird später in der aktuellen Studie beschrieben.
1.2. PIU, Risikobereitschaft und Impulsivität
Aufgrund der anfänglichen Charakterisierung von PIU als Impulskontrollstörung wurden eine Reihe von Studien durchgeführt, um PIU im Kontext von Impulsivität und Risikobereitschaft zu untersuchen. Cao, Su, Liu und Gao (2007) und Lee et al. (2012) zeigten, dass PIU positiv mit der Impulsivität der Merkmale verbunden war, gemessen mit der Barratt Impulsivitätsskala (BIS-11). In Bezug auf den theoretischen Rahmen von Marke et al. (2016)Wie bereits oben erwähnt, wird die Impulsivität unter den Persönlichkeitsfaktoren erwähnt, die die stabilsten Assoziationen mit PIU zeigen und daher als einer der Faktoren vorgeschlagen werden, die ihre Entwicklung und Aufrechterhaltung beeinflussen. Im Allgemeinen wird Impulsivität als "Prädisposition für schnelle, ungeplante Reaktionen auf innere oder äußere Reize, ohne Rücksicht auf die negativen Folgen dieser Reaktionen auf die impulsiven Individuen oder auf andere" charakterisiert (Moeller, Barratt, Dougherty, Schmitz & Swann, 2001; p. 1784). Der zugehörige Begriff der Risikobereitschaft wird definiert als "Verhalten, das unter Unsicherheit, mit oder ohne inhärenten negativen Konsequenzen und ohne robuste Notfallplanung durchgeführt wird" (Kreek, Nielsen, Butelman & LaForge, 2005; p. 1453). Koet al. (2010) den Balloon Analog Risk Task (Lejuez et al., 2002) um die Risikobereitschaft zu messen, fand jedoch keine signifikante Verbindung mit PIU. In der vorliegenden Studie untersuchen wir diese Zusammenhänge noch einmal, indem wir sowohl Selbstbericht als auch experimentelle Maßnahmen der Impulsivität / Risikobereitschaft anwenden.
1.3. Die Rolle des Geschlechts für PIU / IGD
Ein weiteres wichtiges Thema im Zusammenhang mit der Internetabhängigkeit ist die Bevorzugung spezifischer Merkmale des Internets (z. B. Online-Shopping, Online-Spiele) je nach Geschlecht. Eine repräsentative Studie aus Deutschland ergab, dass 77.1% der internetabhängigen Frauen im Alter von 14 bis 24 Jahren soziale Netzwerke nutzen, verglichen mit 64,8% der Männer im gleichen Alter (Rumpf et al., 2011). In derselben Studie gaben 7.2% der internetabhängigen Frauen im Alter zwischen 14 und 24 Jahren an, das Internet zum Spielen von Online-Videospielen zu nutzen, verglichen mit 33.6% der Männer im gleichen Alter (Rumpf et al., 2011). So scheint es, dass männliche Teilnehmer im Vergleich zu weiblichen Teilnehmern gegenüber IGD eine höhere Präferenz für Online-Gaming aufweisen und dass sie ein größeres Risiko haben, IGD zu entwickeln. Außerdem, Ko, Yen, Chen, Chen und Yen (2005) beobachteten, dass höheres Alter, geringeres Selbstwertgefühl und geringere tägliche Lebenszufriedenheit mit schwererem IGD bei Männern, aber nicht bei Frauen assoziiert waren. Trotz dieser Ergebnisse gibt es nur wenige Studien, die das Geschlecht von Teilnehmern systematisch als Moderator / Mediator-Variable im Kontext von PIU betrachten. Es ist jedoch möglich, dass diese Unterschiede zu einigen gegensätzlichen Ergebnissen in diesem Bereich führen und daher in den folgenden Studien berücksichtigt werden.
Ziel unseres Forschungsprojekts war es, den Zusammenhang zwischen PIU sowie IGD und implizitem Lernen in einer Gruppe männlicher Teilnehmer mit Neigung zu IGD zu untersuchen (Studie 1). In Studie 2 wollten wir diese Ergebnisse reproduzieren, indem wir gesunde Teilnehmer und erfahrene WoW-Spieler unter Berücksichtigung des Geschlechts verglichen. Der Zweck von Studie 3 bestand darin, den Zusammenhang zwischen PIU, IGD und Impulsivität/Risikobereitschaft (Selbstbericht und experimentelle Daten) bei gesunden Teilnehmern zu untersuchen.
Basierend auf der oben genannten Literatur formulierten wir die folgenden Hypothesen:
Wir erwarten negative Zusammenhänge zwischen PIU/IGD und impliziten Lernfähigkeiten (Studie 1).
Wir erwarten negative Zusammenhänge zwischen PIU/IGD und impliziten Lernfähigkeiten (Studie 2). Wir gehen davon aus, dass diese negative Assoziation in der Gruppe der männlichen WoW-Spieler am stärksten ist.
Wir erwarten positive Zusammenhänge zwischen PIU/IGD und dem Selbstbericht sowie den experimentellen Messungen der Impulsivität/Risikobereitschaft bei gesunden Teilnehmern (Studie 3).
2. Studie 1
2.1. Methoden
2.1.1. Teilnehmer
N = 107 Teilnehmer (99 Männer, 8 Frauen, Alter M = 19.52, SD = 3.57) wurden auf der „Gamescom 2013“ in Deutschland, dem weltweit größten Gaming-Event, rekrutiert. Da jedoch die sehr geringe Anzahl weiblicher Teilnehmer an der vorliegenden Stichprobe (n = 8) und die oben angegebenen geschlechtsspezifischen Unterschiede im Zusammenhang mit IGD (z Rumpf et al., 2011), haben wir die weiblichen Teilnehmer von den weiteren Analysen der Studie ausgeschlossen. Nachdem auch Teilnehmer mit fehlenden Daten ausgeschlossen wurden, ergab die Stichprobe n = 79 männliche Teilnehmer (Alter M = 19.81, SD = 3.62). In Bezug auf ihre Ausbildung gaben 8.9% an, einen Universitäts- oder Polytechnikabschluss zu haben, weitere 40.5% gaben an, ein Abitur oder ein berufliches Abitur zu haben, und 26.6% gaben an, ein Abitur oder einen Abschluss einer modernen Sekundarschule zu haben, während 24% angaben, kein Abitur zu haben.
2.1.2. Maße
Die Teilnehmer beantworteten Fragen zu Alter, Geschlecht und Bildung, die in einer Kurzfassung des Internet-Suchtests (s-IAT, Pawlikowski, Altstötter-Gleich & Brand, 2013;; Cronbachs Alpha in der vorliegenden Stichprobe betrug 0.70) und enthielt 12 Likert-skalierte Elemente (1 = nie bis 5 = sehr oft) und die Online-Spielsucht-Skala (OGAS, eine modifizierte Version der Gaming-Sucht-Skala von) Lemmens, Valkenburg & Peter, 2009, wobei zu jedem Artikel das Wort „online“ hinzugefügt wurde; Cronbachs Alpha betrug in der vorliegenden Stichprobe 0.66 und bestand aus 7 Items im Bereich zwischen 1 = nie und 5 = sehr oft. Darüber hinaus bewerteten die Teilnehmer ihre Computerspielerfahrung (z. B. „Seit wie vielen Jahren spielen Sie Computerspiele?“ oder „Wie viele Stunden pro Woche spielen Sie durchschnittlich Online-Computerspiele?“). Es wurde eine Selbsteinschätzung der Risikobereitschaft durchgeführt, einschließlich eines Items zu allgemeinen Risikobereitschaftstendenzen („Wie würden Sie sich selbst beschreiben, von 0 (überhaupt nicht bereit, Risiken einzugehen) bis 10 (absolut bereit, Risiken einzugehen)?“ ); Deutsches Sozio-ökonomisches Panel (SOEP; Siedler, Schupp, Spiess & Wagner, 2008). Wir verwendeten eine leicht angepasste experimentelle Aufgabe („Devil's Chest“), die aus einer Studie von stammt Eisenegger et al. (2010), um implizites Lernen zu messen. Bei jedem der insgesamt 36 Versuche präsentierten wir zehn Bilder geschlossener Holzkisten auf dem Computerbildschirm. Die Kisten wurden in einer Reihe aufgereiht und die Teilnehmer hatten anschließend die Möglichkeit, von links nach rechts eine selbst gewählte Anzahl von Kisten zu öffnen. Den Teilnehmern wurde mitgeteilt, dass neun der Kisten eine virtuelle Geldprämie (5 Cent) und eine einen „Teufel“ enthielten. Wenn die Teilnehmer bei einem bestimmten Versuch nur Belohnungsboxen öffneten, gingen sie zum nächsten Versuch über und erhielten die Summe der Belohnungen. Wenn sie neben den anderen Kisten eine Kiste öffneten, die den Teufel enthielt, verloren sie im laufenden Prozess alles. Die kommende Position des Teufels wurde unter den 36 Versuchen randomisiert, erschien aber auf jeder Position von 2 bis 102 genau vier mal. Obwohl dies den Teilnehmern nicht mitgeteilt wurde, hätten Teilnehmer mit höheren kognitiven Fähigkeiten möglicherweise ein implizites Verständnis für diese Regel erarbeitet und könnten im Verlauf des Experiments bessere Leistungen erzielt haben. Die Summe der monetären Belohnungen bis zum Ende des Experiments wird im Weiteren als "GAIN" bezeichnet und wird als Maß für das implizite Lernen verwendet. Die Versuchsanordnung ist in dargestellt Abb.. 1.
Der experimentelle Aufbau der Brust des Teufels - das Öffnen der Truhe mit dem Teufel führte zum Verlust aller gesammelten Münzen eines bestimmten Versuchs.
2.1.3. Verfahren
Alle nur auf Englisch verfügbaren Fragebögen wurden von unserer eigenen Arbeitsgruppe ins Deutsche übersetzt. Die Teilnehmer füllten zunächst die Fragebögen aus und führten dann das Teufelsbrust-Experiment durch. Bitte beachten Sie, dass die Teilnehmer der Studie 1 nach Abschluss des Experiments keine finanzielle Belohnung erhielten und dass sie vor Abschluss des Experiments darüber informiert wurden.
2.1.4. Statistische Analysen
Für die folgenden Analysen wurde die Normalität der Daten durch Anwendung der Faustregel, vorgeschlagen von Miles und Shevlin (2001; S. 74), unter Berücksichtigung der Schiefe der untersuchten Variablen. Korrelationsanalysen wurden je nach Verteilung der Daten mit Pearson- oder Spearman-Korrelationen berechnet, und für jeden Korrelationskoeffizienten wurden Bootstrap-Bias-korrigierte und beschleunigte Konfidenzintervalle (BCa 95 %-Konfidenzintervalle) berechnet, um deren Signifikanz weiter zu testen. ANOVA mit wiederholten Messungen wurde verwendet, um implizite Lerneffekte zu testen, indem der Gewinn in den ersten 18 Versuchen mit dem Gewinn in den letzten 18 Versuchen des Experiments verglichen wurde.
2.1.5. Ethik
Das Forschungsprojekt (Studien 1, 2 und 3) wurde vom lokalen Ethikkomitee der Universität Bonn, Bonn, genehmigt. Alle Probanden gaben ihre Einverständniserklärung vor Abschluss der Studie ab.
2.2. Ergebnisse
Mittelwerte und Standardabweichungen der untersuchten Variablen sind in Tabelle 1.
Tabelle 1
Mittelwert, Standardabweichung (SD) und möglicher / tatsächlicher Bereich für die Variablen Spielerfahrung (Jahre), Online-Spielstunden pro Woche, s-IAT, OGAS, GAIN und Risikobereitschaft (Selbstbericht).
| Bedeuten | SD | Möglicher Bereich | Tatsächlicher Bereich | |
|---|---|---|---|---|
| Gaming-Expertise (Jahre) | 11.09 | 4.31 | - | 3-24 |
| Online-Spielstunden pro Woche | 22.24 | 16.00 | - | 0-70 |
| S-IAT | 23.86 | 5.38 | 12-60 | 12-43 |
| OGAS | 14.75 | 4.36 | 7-35 | 7-26 |
| GAIN | 413.61 | 71.97 | 0-900a | 160-520 |
| Risikobereitschaft (Selbstbericht) | 6.77 | 1.89 | 0-10 | 3-10 |
N = 79, Risikobereitschaft (Selbstbericht) n = 64.
2.2.1. Korrelationsanalysen
Nur die Variable GAIN wurde nicht normal verteilt. Das Alter der Teilnehmer korrelierte positiv mit GAIN (ρ = 0.27, p <0.05). Darüber hinaus zeigte GAIN eine negative Korrelation mit dem s-IAT-Score (ρ = - 0.26, p <0.05). Zusätzlich berechneten wir Teilkorrelationen für GAIN und den s-IAT-Score, um das Alter zu kontrollieren. Die Korrelation blieb signifikant (r = - 0.28, p <0.05). Die negative Korrelation zwischen GAIN und dem OGAS-Score erreichte geringfügig keine Signifikanz (ρ = - 0.20, p = 0.073) und blieb nach Kontrolle des Alters nicht signifikant (r = - 0.12, p = 0.292). Alle signifikanten Korrelationen blieben nach Inspektion der BCa 95% -Konfidenzintervalle signifikant. Bitte sehen Tabelle 2 für einen Überblick über die Ergebnisse.
Tabelle 2
Korrelationen zwischen GAIN im Experiment „Devil's Chest“ und dem s-IAT, OGAS-Score und Risikobereitschaft (Selbstbericht).
| GAIN | S-IAT | OGAS | Risikobereitschaft (Selbstbericht) | |
|---|---|---|---|---|
| GAIN | 1 | |||
| S-IAT | - 0.264⁎ | 1 | ||
| OGAS | - 0.203 | 0.511⁎⁎ | 1 | |
| Risikobereitschaft (Selbstbericht) | 0.148 | 0.129 | 0.187 | 1 |
N = 79, Risikobereitschaft (Selbstbericht) n = 64; Spearman-Korrelationen sind in dargestellt Kursiv.
2.2.2. Manipulationsprüfung des Experiments „Devil's Chest“ als Maß für implizites Lernen
Die Ergebnisse der ANOVA mit wiederholter Messung zeigten einen signifikanten mittleren Unterschied zwischen GAIN in den ersten 18-Versuchen des Experiments im Vergleich zu den letzten 18-Studien (F(1,78) = 17.303, p <0.01), was zeigt, dass die Teilnehmer im zweiten Teil des Experiments mehr Geld gewonnen haben (M1 = 192.34 und M2 = 221.27 bzw.) (vgl Abb.. 2).
Mittelwerte und der Standardfehler für den GAIN in den ersten 18 Versuchen gegenüber dem GAIN in den letzten 18 Versuchen des Experiments „Devil's Chest“. MU = Währungseinheiten.
2.3. Diskussion
Zusammenfassend wurde, wie in unseren Hypothesen vorgeschlagen, in der Studie 1 die Internetabhängigkeit mit mangelhaften impliziten Lernfähigkeiten assoziiert. Dieses Ergebnis liefert weitere Belege für die Rolle von schlechter Entscheidungsfindung im Kontext von PIU (z. B. Marke et al., 2016). Die Verbindung mit IGD war in die gleiche Richtung, erreichte jedoch keine Bedeutung. Dies könnte durch die relativ geringe Stichprobengröße und / oder die relativ geringe interne Konsistenz (0.66) der OGAS-Skala in dieser Studie erklärt werden. Um diese Beziehungen weiter zu untersuchen und die Ergebnisse zwischen männlichen und weiblichen Teilnehmern sowie zwischen Spielern und Nicht-Spielern zu vergleichen, wurde die Studie 2 durchgeführt.
3. Studie 2
Das Ziel der zweiten Studie war es, die Ergebnisse von Studie 1 unter Verwendung einer Stichprobe von World of Warcraft (WoW) -Spielern und Kontrollteilnehmern zu replizieren, die für WoW naiv waren. Angesichts der Tatsache, dass der Zusammenhang zwischen s-IAT und GAIN als Maß für implizites Lernen bei männlichen Teilnehmern mit Anfälligkeit für IGD beobachtet werden konnte, waren wir daran interessiert, die Ergebnisse von Studie 1 insbesondere bei männlichen WoW-Spielern zu wiederholen.
3.1. Methoden
3.1.1. Teilnehmer
An der Studie nahmen WoW-Spieler und Kontrollteilnehmer teil. Die WoW-Spieler wurden nach folgenden Kriterien rekrutiert: WoW-Spielerfahrung seit mindestens zwei Jahren. Ein Ausschlusskriterium war das Spielen anderer Spiele als WoW für mehr als 7 Stunden pro Woche. Teilnehmer ohne Erfahrung in anderen Spielen wurden jedoch bevorzugt rekrutiert. Die Kontrollpersonen mussten WoW-naiv sein und hatten daher noch keine Erfahrung mit dem Spielen dieses Spiels. Ausschlusskriterien für beide Teilnehmergruppen waren Sehbehinderung, Schwierigkeiten beim Lesen und Schreiben, Dyschromatopsie, Gehirnerschütterung, Langzeitmedikation, neurologische und psychiatrische Erkrankungen, Hörbehinderung und hoher Substanzkonsum. Nach einer gründlichen Untersuchung der Stichprobe schlossen wir einen Teilnehmer aufgrund einer Essstörung und täglichem Cannabiskonsum, einen Teilnehmer aufgrund neurologischer und psychiatrischer Störungen und einen Teilnehmer aus der Kontrollgruppe aufgrund extremer Werte in sIAT und OGAS sowie Teilnehmer mit fehlenden Daten aus , Was dazu geführt hat n = 77 Kontrollteilnehmer (39 Männer) und n = 44 WoW-Spieler (28 Männer). 6.5% (n = 5) der Kontrollteilnehmer gaben an, Online-Rollenspiele gelegentlich zu nutzen (< 3 Stunden Spielen pro Woche) und 23.4 % (n = 18) berichteten über den gelegentlichen Gebrauch von Ego-Shooter-Spielen (<1 h Spiel pro Woche). Das Durchschnittsalter der Gesamtprobe betrug M = 23.70 (SD = 3.93). Hinsichtlich ihrer Ausbildung gaben 10.7 % an, über einen Hochschulabschluss zu verfügen, weitere 85.9 % gaben an, über ein Abitur oder eine Berufsmaturitätsprüfung zu verfügen und 2.5 % gaben an, über einen Hauptschulabschluss oder einen Hauptschulabschluss zu verfügen. Eine Person (0.9 %) beantwortete die Fragen zum Thema Bildung nicht.
3.1.2. Maße
Hier nochmal die s-IAT (Pawlikowski et al., 2013;; Cronbachs Alpha in der vorliegenden Probe betrug 0.76), OGAS (eine Modifikation des GAS von Lemmens et al., 2009;; Cronbachs Alpha in der vorliegenden Stichprobe betrug 0.88) und das Computerspielerlebnis wurde bewertet. Darüber hinaus enthält der World of Warcraft-Fragebogen zur spezifischen problematischen Nutzung (WoW-SPUQ), der aus 27 Elementen besteht und auf einer Skala von 1 = „stimme überhaupt nicht zu“ bis 7 = „stimme voll und ganz zu“ (Peters & Malesky, 2008;; Cronbachs Alpha in der vorliegenden Stichprobe betrug 0.89) und wurde nur von der WoW-Gruppe ausgefüllt. Darüber hinaus ist die Barratt-Impulsivitätsskala (BIS-11; Patton & Stanford, 1995; Cronbachs Alpha betrug in der vorliegenden Stichprobe 0.85) wurde als Maß für Impulsivität verabreicht (30 Items werden auf einer Skala bewertet, die von 1 = „selten/nie“ bis 4 = „fast immer/immer“ reicht). Mit dieser Skala können drei Faktoren zweiter Ordnung bewertet werden: Aufmerksamkeitsimpulsivität ist definiert als die Unfähigkeit, Aufmerksamkeit zu fokussieren oder sich zu konzentrieren; Bei motorischer Impulsivität handelt es sich um Handeln ohne Nachdenken, bei nicht planender Impulsivität um einen Mangel an Zukunftsaussichten oder Voraussicht (Stanford et al., 2009). Interne Konsistenzen für die Subskalen in der vorliegenden Studie waren 0.73, 0.69 bzw. 0.69.
3.1.3. Verfahren
Die Teilnehmer nahmen an einer großen Längsschnittstudie teil, um biologische Faktoren neben psychologischen Variablen und ihre Rolle für die IGD zu untersuchen. Für die vorliegende Studie wurden nur die Daten vom ersten Messpunkt verwendet, um die Ergebnisse aus Studie 1 zu testen und zu replizieren (ein zweites Mal das Brustversuch des Teufels abzuschließen (T2) ist eindeutig nicht vergleichbar damit, wie in Studie 1 damit naiv zu sein ). Die Fragebögen und das Experiment wurden in der gleichen Reihenfolge wie in Studie 1 ausgefüllt. Im Vergleich zu Studie 1 erhielten die Teilnehmer in Studie 2 jedoch den Geldbetrag, den sie im Experiment „Devil's Chest“ gewonnen hatten, und wurden über diese Tatsache informiert vor Abschluss des Experiments.
3.1.4. Statistische Analysen
Die Datenerhebung wurde analog zur Studie 1 durchgeführt.
3.2. Ergebnisse
Der OGAS-Score und die Online-Spielstunden pro Woche waren in den Gruppen der männlichen und weiblichen Kontrollteilnehmer nicht normal verteilt. Darüber hinaus waren der s-IAT-Score und das Alter in der Gruppe der weiblichen Kontrollteilnehmer nicht normal verteilt. Die Korrelation zwischen GAIN und dem s-IAT-Score in der Gruppe der männlichen WoW-Spieler wurde einseitig getestet, basierend auf den Ergebnissen der Studie 1.
Deskriptive Statistiken für Kontrollteilnehmer und WoW - Spieler werden vorgestellt Tabelle 3. Hier hatten männliche und weibliche Kontrollteilnehmer im Vergleich zu männlichen und weiblichen WoW-Spielern ein deutlich geringeres Spielerlebnis, weniger Online-Spielstunden pro Woche und OGAS-Werte (siehe Tabelle 3). Darüber hinaus zeigten weibliche WoW-Spieler signifikant höhere Werte auf dem s-IAT im Vergleich zu weiblichen Kontrollteilnehmern. Alle anderen Variablen unterschieden sich nicht signifikant zwischen den Kontrollteilnehmern und den WoW-Spielern.
Tabelle 3
Mittelwerte, Standardabweichungen (SD), mögliche / tatsächliche Reichweite, t-/U Wert und Signifikanz (p) für Unterschiede in den Mittelwerten zwischen den Kontrollteilnehmern und der WoW-Gruppe für die Variablen Spielerfahrung (Jahre), Online-Spielstunden pro Woche, GAIN, s-IAT, OGAS, WoW-SPUQ und BIS-11.
| Kontrollgruppe | WoW Spieler | Möglicher Bereich | Tatsächlicher Bereich | t-/U Wert | p | |||
|---|---|---|---|---|---|---|---|---|
| Bedeuten | SD | Bedeuten | SD | |||||
| Männliche Teilnehmer | ||||||||
| Gaming-Expertise (Jahre) | 9.49 | 6.81 | 14.29 | 4.85 | - | 0-22 / 6-25 | - 3.369 | 0.001 |
| Online-Spielstunden pro Woche | 1.18 | 2.11 | 19.71 | 11.44 | - | 0-9 / 0-50 | 30.0 | <0.001 |
| GAIN | 450.77 | 39.10 | 443.04 | 54.30 | 0-900 | 370-510 / 305-525 | 0.678 | 0.500 |
| S-IAT | 21.67 | 6.53 | 23.79 | 6.90 | 12-60 | 12-42 / 14-41 | - 1.280 | 0.205 |
| OGAS | 8.67 | 2.39 | 15.79 | 5.85 | 7-35 | 7-17 / 9-29 | 94.5 | <0.001 |
| WoW-SPUQ | - | - | 87.57 | 23.26 | 27-189 | - / 53-134 | - | - |
| BIS-11 insgesamt | 65.00 | 13.39 | 64.63 | 8.94 | 30-120 | 40-99 / 53-90 | 0.125 | 0.901 |
| BIS-11 aufmerksam | 17.13 | 4.95 | 16.57 | 2.85 | 8-32 | 8-30 / 12-21 | 0.579 | 0.565 |
| BIS-11-Motor | 23.16 | 4.81 | 22.43 | 3.66 | 11-44 | 14-35 / 16-33 | 0.671 | 0.504 |
| BIS-11 nicht planen | 24.71 | 5.32 | 25.74 | 4.77 | 11-44 | 14-40 / 16-40 | - 0.803 | 0.425 |
| Weibliche Teilnehmer | ||||||||
| Gaming-Expertise (Jahre) | 3.86 | 5.76 | 11.50 | 5.29 | - | 0-15 / 1-20 | - 4.557 | <0.001 |
| Online-Spielstunden pro Woche | 0.09 | 0.43 | 17.56 | 9.06 | - | 0-2.5 / 1-37.5 | 1.5 | <0.001 |
| GAIN | 429.74 | 39.98 | 439.06 | 58.72 | 0-900 | 330-510 / 295-510 | - 0.678 | 0.501 |
| S-IAT | 18.58 | 4.99 | 21.44 | 5.24 | 12-60 | 13-36 / 14-30 | 199.5 | 0.047 |
| OGAS | 7.11 | 0.51 | 13.50 | 3.69 | 7-35 | 7-10 / 9-21 | 4.0 | <0.001 |
| WoW-SPUQ | - | - | 81.63 | 22.42 | 27-189 | - / 50-119 | - | - |
| BIS-11 insgesamt | 61.25 | 9.14 | 61.73 | 6.16 | 30-120 | 37-87 / 53-77 | - 0.187 | 0.852 |
| BIS-11 aufmerksam | 16.61 | 3.55 | 17.06 | 3.38 | 8-32 | 10-25 / 10-22 | - 0.438 | 0.663 |
| BIS-11-Motor | 21.08 | 3.93 | 21.80 | 3.97 | 11-44 | 12-31 / 17-29 | - 0.592 | 0.557 |
| BIS-11 nicht planen | 23.97 | 4.16 | 23.31 | 2.70 | 11-44 | 13-35 / 17-27 | 0.584 | 0.562 |
Hinweis: Der Mann-Whitney-U-Test wurde zum Vergleich der Mittelwerte nicht normalverteilter Variablen durchgeführt. Die Ergebnisse sind in der Tabelle kursiv dargestellt.
3.2.1. Korrelationsanalysen
Für die Gruppen von männlichen oder weiblichen Kontrollteilnehmern war das Alter der Teilnehmer nicht signifikant mit GAIN, s-IAT oder dem OGAS-Score korreliert. Alle anderen Korrelationen sind in dargestellt Tabelle 4. Hier war GAIN weder mit dem s-IAT noch mit dem OGAS-Score für männliche und weibliche Teilnehmer signifikant verknüpft. Darüber hinaus war der s-IAT-Score positiv mit der Aufmerksamkeitsimpulsivität der Subskala BIS-11 bei männlichen Kontrollteilnehmern verknüpft. Alle wesentlichen Zusammenhänge in Tabelle 4 blieb nach der Überprüfung der BCa-95 %-Konfidenzintervalle signifikant.
Tabelle 4
Spearman- und Pearson-Korrelationen für die Variablen GAIN, s-IAT, OGAS und BIS-11 für die Gruppe der Kontrollteilnehmer, aufgeteilt in Männer und Frauen.
| GAIN | S-IAT | OGAS | BIS-11 insgesamt | BIS-11 aufmerksam | BIS-11-Motor | |
|---|---|---|---|---|---|---|
| Männliche Teilnehmer | ||||||
| GAIN | 1 | |||||
| S-IAT | - 0.053 | 1 | ||||
| OGAS | 0.238 | 0.139 | 1 | |||
| BIS-11 insgesamt | 0.020 | 0.248 | 0.349⁎ | 1 | ||
| BIS-11 aufmerksam | 0.109 | 0.426⁎⁎ | 0.301 | 0.866⁎⁎ | 1 | |
| BIS-11-Motor | - 0.064 | 0.094 | 0.338⁎ | 0.843⁎⁎ | 0.612⁎⁎ | 1 |
| BIS-11 nicht planen | 0.095 | 0.143 | 0.198 | 0.906⁎⁎ | 0.707⁎⁎ | 0.660⁎⁎ |
| Weibliche Teilnehmer | ||||||
| GAIN | 1 | |||||
| S-IAT | 0.118 | 1 | ||||
| OGAS | - 0.088 | 0.257 | 1 | |||
| BIS-11 insgesamt | - 0.139 | 0.232 | 0.156 | 1 | ||
| BIS-11 aufmerksam | 0.161 | 0.282 | - 0.022 | 0.749⁎⁎ | 1 | |
| BIS-11-Motor | - 0.219 | 0.201 | 0.292 | 0.764⁎⁎ | 0.312 | 1 |
| BIS-11 nicht planen | - 0.138 | 0.118 | - 0.119 | 0.868⁎⁎ | 0.531⁎⁎ | 0.478⁎⁎ |
Spearman Korrelationen sind in dargestellt Kursiv.
n (Männer) = 39, n (Männer, BIS-11) = 38, n (Frauen) = 38, n (Frauen, BIS-11) = 36.
Für die Gruppe der männlichen und weiblichen WoW-Spieler war das Alter nicht signifikant mit GAIN, S-IAT, OGAS oder dem WoW-SPUQ-Score korreliert. Alle anderen Korrelationen sind in dargestellt Tabelle 5. Hier war GAIN negativ mit dem s-IAT assoziiert, ebenso wie der WoW-SPUQ-Score nur in der Gruppe der männlichen WoW-Spieler. Diese Korrelationen zeigten jedoch nur einen Trend zur Signifikanz (r = - 0.30, p = 0.063, einseitiger Test und r = - 0.313, p = 0.104, zweiseitiger Test). Alle signifikanten Korrelationen blieben nach Inspektion der 95% -Konfidenzintervalle von BCa signifikant.
Tabelle 5
Spearman- und Pearson-Korrelationen für die Variablen GAIN, s-IAT, OGAS, den WoW-SPUQ-Score und BIS-11 für die Gruppe der WoW-Spieler, aufgeteilt in Männer und Frauen.
| GAIN | S-IAT | OGAS | Wow- SPUQ | BIS-11 insgesamt | BIS-11 aufmerksam | BIS-11-Motor | |
|---|---|---|---|---|---|---|---|
| Männliche Teilnehmer | |||||||
| GAIN | 1 | ||||||
| S-IAT | - 0.296 | 1 | |||||
| OGAS | - 0.105 | 0.776⁎⁎ | 1 | ||||
| WoW-SPUQ | - 0.313 | 0.688⁎⁎ | 0.742⁎⁎ | ||||
| BIS-11 insgesamt | 0.025 | 0.197 | 0.284 | 0.023 | 1 | ||
| BIS-11 aufmerksam | 0.054 | - 0.011 | 0.019 | - 0.219 | 0.658⁎⁎ | 1 | |
| BIS-11-Motor | - 0.038 | 0.170 | 0.231 | 0.187 | 0.761⁎⁎ | 0.218 | 1 |
| BIS-11 nicht planen | 0.033 | 0.220 | 0.312 | 0.027 | 0.892⁎⁎ | 0.451⁎ | 0.521⁎⁎ |
| Weibliche Teilnehmer | |||||||
| GAIN | 1 | ||||||
| S-IAT | 0.026 | 1 | |||||
| OGAS | - 0.024 | - 0.067 | 1 | ||||
| WoW-SPUQ | - 0.199 | 0.144 | 0.676⁎⁎ | ||||
| BIS-11 insgesamt | 0.048 | 0.080 | - 0.614⁎ | - 0.157 | 1 | ||
| BIS-11 aufmerksam | - 0.139 | 0.194 | - 0.260 | 0.054 | 0.504 | 1 | |
| BIS-11-Motor | 0.266 | - 0.013 | - 0.676⁎⁎ | - 0.305 | 0.845⁎⁎ | 0.170 | 1 |
| BIS-11 nicht planen | 0.012 | - 0.166 | 0.057 | 0.256 | 0.420 | - 0.222 | 0.250 |
Für männliche Teilnehmer wurde die Korrelation zwischen dem GAIN im Experiment und dem s-IAT-Score einseitig getestet.
n (Männer) = 28, n (Männer, BIS-11) = 27, n (Frauen) = 16, n (Frauen, BIS-11) = 15.
3.2.2. Manipulationsprüfung des Experiments „Devil's Chest“ als Maß für implizites Lernen
Die Ergebnisse der ANOVA mit wiederholten Messungen zeigten keinen signifikanten mittleren Unterschied zwischen dem GAIN während der ersten 18 und der letzten 18 Versuche des Experiments „Teufelsbrust“ in der Gruppe der Männer (F (1, 38) = 1.949, p = 0.171; M1 = 232.56 und M2 = 218.21) und weiblich (F (1, 37) = 0.594, p = 0.446; M1 = 221.18 und M2 = 209.87) Kontrollteilnehmer. Für die gesamte Stichprobe der Kontrollteilnehmer blieben die Ergebnisse nicht signifikant (F(1,76) = 2.102, p = 0.151), wohingegen die Ergebnisse in der gesamten Stichprobe der WoW-Spieler an Bedeutung gewannen (F(1,43) = 4.298, p = 0.044) (vgl Abb.. 3). Für die Gruppe der männlichen WoW-Spieler erreichte der Unterschied zwischen den Versuchen 1–18 und 19–36 Signifikanz (F(1,27) = 5.377, p = 0.028, M1 = 235.54 und M2 = 205.54; daher mit einem geringeren Ergebnis in M2 im Vergleich zu M1), während es für weibliche WoW-Spieler nicht signifikant war (F(1,15) = 0.295, p = 0.595, M1 = 225.31 und M2 = 213.75).
Mittelwerte und Standardfehler für den GAIN während der ersten 18 gegenüber den letzten 18 Versuchen des Experiments „Devil's Chest“ für Kontrollteilnehmer (linke Grafik) und WoW-Spieler (rechte Grafik). MU = Währungseinheiten.
3.3. Diskussion
Das Ziel von Studie 2 bestand darin, die Ergebnisse von Studie eins zu reproduzieren, indem WoW-Spieler und Kontrollteilnehmer verglichen wurden. Die negativen Korrelationen zwischen GAIN und den s-IAT- und WoW-SPUQ-Scores zeigten nur in der Gruppe der männlichen WoW-Spieler einen Trend zur Signifikanz. Allerdings ist die sehr kleine Stichprobe männlicher WoW-Spieler (n = 28) könnte eine Erklärung für die schwächeren Effekte liefern. Die Manipulationsprüfung ergab nur in der Gruppe der männlichen WoW-Spieler einen signifikanten Unterschied zwischen den GEWINNEN im ersten und letzten 18 Versuchen, wobei die Teilnehmer im zweiten Teil des Experiments im Vergleich zum ersten Teil geringere Gewinne aufwiesen. Wir möchten den Leser daran erinnern, dass den Teilnehmern der Studie 2 der Geldbetrag ausgezahlt wurde, den sie während des Experiments gewonnen hatten, und dass sie sich dieser Tatsache vor Beginn des Experiments bewusst waren. Daher könnte in diesem Fall die extrinsische Motivation der Teilnehmer im Vergleich zu Studie 1 höher gewesen sein. Tatsächlich wird beim Vergleich der Mittelwerte des GAIN zwischen den Gamescom-Teilnehmern und den männlichen WoW-Spielern deutlich, dass dies bei den WoW-Spielern der Fall war Im zweiten Teil des Experiments schlechter als im ersten Teil des Experiments, gewannen sie insgesamt immer noch mehr als männliche Gamescom-Teilnehmer (vgl Tabelle 1, Tabelle 3: M = 413.61 für Gamescom-Teilnehmer und M = 443.04 für männliche WoW-Spieler). Um einen potenziell störenden Effekt der Motivation zu kontrollieren, führten wir daher eine zusätzliche Analyse unter Verwendung der Unified-Motive-Scale-10 (UMS-10) durch. Schönbrodt & Gerstenberg, 2012). Die USM-10-Daten standen als Teil der größeren Längsschnittstudie zur Verfügung.
3.3.1. Zusätzliche Analysen
Insbesondere haben wir eine teilweise Korrelation mit der Variablen Leistungsmotivation (UMS-10; Schönbrodt & Gerstenberg, 2012, Cronbachs Alpha betrug in der vorliegenden Studie 0.89), die s-IAT-, WoW-SPUQ-Scores und der GAIN in Studie 2. Der Zusammenhang zwischen s-IAT und GAIN nahm zu r = - 0.296, p = 0.063 (siehe Tabelle 5; einseitiger Test) zu r = - 0.322, p = 0.054 (einseitiger Test). Auch die Assoziation zwischen WoW-SPUQ und GAIN nahm zu r = - 0.313, p = 0.104 (siehe Tabelle 5; zweiseitiger Test) zu r = - 0.354, p = 0.082 (zweiseitiger Test). Bei weiblichen WoW-Spielern und Kontrollteilnehmern blieben die Korrelationen zwischen s-IAT, WoW-SPUQ-Score und GAIN nach Kontrolle der Motivation nicht signifikant.
4. Studie 3
Der Schwerpunkt von Studie 3 lag darauf, den Zusammenhang zwischen PIU, IGD und Impulsivität/Risikobereitschaft zu testen, indem sowohl experimentelle als auch Selbstberichtsmaße verwendet wurden.
4.1. Methoden
4.1.1. Teilnehmer
Nach dem Ausschluss von fünf Teilnehmern mit fehlenden Daten und einem Teilnehmer aufgrund von Antworten außerhalb des Bereichs (z. B. 200 Stunden Computerspielen pro Woche) ergab sich die Stichprobe für die aktuelle Studie N = 94 Teilnehmer (33 Männer). Die meisten von ihnen waren Psychologiestudenten der Universität Ulm, Deutschland. Das Durchschnittsalter der Gesamtstichprobe betrug M = 23.48 (SD = 3.55). Bezüglich ihrer Ausbildung gaben 27 % an, über einen Universitäts- oder Fachhochschulabschluss zu verfügen, weitere 67 % gaben an, über ein Abitur oder einen Berufsmaturitätsabschluss zu verfügen, 6 % der Teilnehmer (n = 6) beantworteten keine Fragen zu ihrer Ausbildung.
4.1.2. Maße
Der s-IAT (Pawlikowski et al., 2013; Cronbachs Alpha betrug in der vorliegenden Stichprobe 0.81), das OGAS (modifizierte Version des GAS von Lemmens et al., 2009; Cronbachs Alpha betrug in der vorliegenden Stichprobe 0.81), BIS-11 (Patton & Stanford, 1995; Cronbachs Alpha betrug in der vorliegenden Stichprobe 0.80) und die Gesamtrisikobereitschaft (Sozio-oekonomisches Panel, SOEP; Siedler et al., 2008) wurden bewertet. Die internen Konsistenzen für die BIS-11-Subskalen waren wie folgt: Aufmerksamkeitsimpulsivität 0.70, motorische Impulsivität 0.70 und nicht planende Impulsivität 0.39. Darüber hinaus wurde das „Teufelsbrust“-Experiment leicht angepasst, um Impulsivität/Risikobereitschaft zu messen (im Vergleich zu den Studien 1 und 2 war die Position des „Teufels“ hier in allen Versuchen völlig randomisiert, sodass kein Lernen möglich war). ). Hier wurde die mittlere Anzahl freiwillig geöffneter Kartons pro Versuch (MNOB) als Maß für Impulsivität/Risikobereitschaft verwendet. Dies deckt sich mit der Studie von Eisenegger et al. (2010).
4.1.3. Verfahren
Die Fragebögen und das Experiment wurden in der gleichen Reihenfolge wie in den Studien 1 und 2 ausgefüllt, allerdings füllten die Teilnehmer hier die Fragebögen am Computerbildschirm aus. In dieser Studie erhielten die Teilnehmer eine Vergütung (Amazon-Gutschein oder Kursguthaben) für ihre Teilnahme an der Studie, erhielten jedoch nicht den bestimmten Geldbetrag, den sie im Computerexperiment gewonnen hatten. Die Teilnehmer wurden vor Abschluss des Experiments über dieses Verfahren informiert.
4.1.4. Statistische Analysen
Die statistischen Auswertungen erfolgten analog zu den Studien 1 und 2.
4.2. Ergebnisse
Bemerkenswert ist, dass die Variablen Online-Spielstunden pro Woche und der OGAS-Score nicht normalverteilt waren. Beschreibende Statistiken werden in gemeldet Tabelle 6. Die Teilnehmer verfügten seit Jahren über eine gewisse Gaming-Expertise, die tatsächliche Zeit, die sie für Online-Glücksspiele aufwendeten, ist jedoch sehr gering. Analog zu Studie 2 haben wir hier verglichen, ob sich männliche und weibliche Teilnehmer hinsichtlich der in dargestellten Variablen unterscheiden Tabelle 6. Signifikante Unterschiede wurden bei den Variablen Spielkompetenz (Jahre) beobachtet (U(33,61) = 385.0, p < 0.001), Online-Spielstunden pro Woche (U(33,61) = 663.5, p < 0.001), Risikobereitschaft (Selbstbericht) (U(33,61) = 732.0, p < 0.05) und OGAS (U(33,61) = 562.5, p < 0.001), wobei männliche Teilnehmer höhere Ergebnisse erzielten als weibliche Teilnehmer.
Tabelle 6
Mittelwerte, Standardabweichungen (SD) und mögliche/tatsächliche Bandbreite für die Variablen Spielerfahrung (Jahre), Spielstunden pro Woche, Risikobereitschaft (Selbstbericht), s-IAT, OGAS, BIS-11 und MNOB.
| Bedeuten | SD | Möglicher Bereich | Tatsächlicher Bereich | |
|---|---|---|---|---|
| Gaming-Expertise (Jahre) | 6.31 | 6.51 | - | 0-21 |
| Online-Spielstunden pro Woche | 0.56 | 1.86 | - | 0-15 |
| Risikobereitschaft (Selbstbericht) | 5.10 | 1.82 | 0-10 | 1-9 |
| S-IAT | 22.99 | 5.71 | 12-60 | 12-42 |
| OGAS | 8.00 | 2.05 | 7-35 | 7-18 |
| BIS-11 insgesamt | 61.37 | 9.17 | 30-120 | 44-84 |
| BIS-11 aufmerksam | 16.54 | 3.47 | 8-32 | 10-28 |
| BIS-11-Motor | 21.68 | 4.33 | 11-44 | 14-35 |
| BIS-11 nicht planen | 23.15 | 3.45 | 11-44 | 17-32 |
| MNOB | 4.90 | 0.79 | 0-10 | 3.22-7.5 |
4.2.1. Korrelationsanalysen
Das Alter korrelierte mit dem OGAS-Score (ρ = 0.24, p < 0.05). Die Korrelation zwischen MNOB und dem OGAS-Score erreichte ebenfalls Signifikanz (ρ = 0.21, p < 0.05). Nach Kontrolle des Alters erhöhte sich die Korrelation zwischen MNOB und dem OGAS-Score auf r = 0.37, p <0.01 (r = 0.45, p < 0.05 bei Männern und r = 0.28, p < 0.05 bei Frauen). Alle weiteren Zusammenhänge sind in dargestellt Tabelle 7.
Tabelle 7
Spearman- und Pearson-Korrelationen für die Variablen MNOB, Risikobereitschaft (Selbstbericht), s-IAT, OGAS und BIS-11.
| MNOB | Risikobereitschaft (Selbstbericht) | S-IAT | OGAS | BIS-11 insgesamt | BIS-11 aufmerksam | BIS-11-Motor | |
|---|---|---|---|---|---|---|---|
| MNOB | 1 | ||||||
| Risikobereitschaft (Selbstbericht) | 0.086 | 1 | |||||
| S-IAT | 0.115 | - 0.124 | 1 | ||||
| OGAS | 0.209⁎ | 0.092 | 0.235⁎ | 1 | |||
| BIS-11 insgesamt | 0.316⁎⁎ | 0.458⁎⁎ | 0.150 | 0.283⁎⁎ | 1 | ||
| BIS-11 aufmerksam | 0.284⁎⁎ | 0.196 | 0.345⁎⁎ | 0.296⁎⁎ | 0.770⁎⁎ | 1 | |
| BIS-11-Motor | 0.236⁎ | 0.576⁎⁎ | - 0.018 | 0.261⁎ | 0.847⁎⁎ | 0.443⁎⁎ | 1 |
| BIS-11 nicht planen | 0.257⁎ | 0.299⁎⁎ | 0.075 | 0.148 | 0.821⁎⁎ | 0.487⁎⁎ | 0.551⁎⁎ |
Hinweis: Spearman-Korrelationen sind kursiv dargestellt.
4.2.2. Manipulationscheck des Experiments „Teufelsbrust“ als Maß für Impulsivität/Risikobereitschaft:
MNOB korrelierte positiv mit dem BIS-11-Score der Teilnehmer (siehe Tabelle 7), daher ist die aktuelle Maßnahme eindeutig mit impulsivem Verhalten verbunden. Es gab keine signifikante Korrelation zwischen MNOB und der Selbsteinschätzung der gesamten Risikobereitschaft (siehe Tabelle 7). Analog zu den Studien 1 und 2 verglichen wir den GAIN im ersten und letzten 18 Versuch, um die Rolle von Lerneffekten auszuschließen. Für Männer konnten keine signifikanten Unterschiede festgestellt werden (F(1,32) = 2.365, p = 0.134, M1 = 219.24 und M2 = 235.61) oder weibliche Teilnehmer (F(1,60) = 0.155, p = 0.695, M1 = 224.02 und M2 = 220.57). Auch die Ergebnisse für die gesamte Stichprobe gewannen nicht an Signifikanz (F(1,93) = .265, p = 0.608) (siehe Abb.. 4).
Mittelwerte und der Standardfehler für den GAIN in den ersten 18 Versuchen gegenüber dem GAIN in den letzten 18 Versuchen des Experiments „Devil's Chest“. MU = Währungseinheiten.
5. Allgemeine Diskussion
Im Folgenden finden Sie eine Zusammenfassung der Ergebnisse der Studien 1, 2 und 3 sowie eine Diskussion über deren Beitrag zu diesem Fachgebiet.
In Studie 1 waren höhere s-IAT-Werte mit einer schlechteren Leistung bei der impliziten Lernaufgabe bei männlichen Teilnehmern verbunden, die anfällig für IGD waren. Der OGAS-Score der Teilnehmer war jedoch nicht signifikant mit der Variablen GAIN verbunden (obwohl es einen Trend zur Signifikanz gab). In Studie 2 wollten wir die Ergebnisse von Studie 1 in einer Gruppe von WoW-Spielern und Kontrollteilnehmern reproduzieren. Dabei wurde auch das Geschlecht der Teilnehmer berücksichtigt. Hohe s-IAT-Werte sowie hohe WoW-SPUQ-Werte zeigten im Experiment nur in der Gruppe der männlichen WoW-Spieler einen Trend zu niedrigem GAIN (r = - 0.322, p = 0.054, einseitiger Test und r = - 0.354, p = 0.082, jeweils zweiseitiger Test). Der OGAS-Score war wiederum in keiner der Gruppen mit GAIN verknüpft. In Studie 3 war in einer Studentenstichprobe das experimentelle Maß für Risikobereitschaft, MNOB, nach Kontrolle des Alters positiv mit dem OGAS-Score verknüpft, nicht jedoch mit dem s-IAT-Score.
Zusammenfassend lässt sich sagen, dass eine übermäßige Nutzung des Internets offenbar mit Defiziten impliziter Lernfähigkeit einhergeht. Dieser Zusammenhang wurde in der aktuellen Studie bei den s-IAT-Scores und dem WoW-SPUQ-Score beobachtet, nicht jedoch bei den OGAS-Scores. Die vorhandene Literatur liefert Ergebnisse, die beides unterstützen: Entscheidungsdefizite bei problematischen Internetnutzern (z Sun et al., 2009), sowie unter exzessiven Online-Gamern (z Yao et al., 2014). Darüber hinaus wurde kürzlich ein neues theoretisches Modell I-PACE (Interaction of Person-Affect-Cognition-Execution) vorgeschlagen Marke et al. (2016), was die Rolle einer eingeschränkten exekutiven Funktion und einer beeinträchtigten Entscheidungsfindung für die Entwicklung spezifischer PIU hervorhebt. Der stärkere Effekt, der für den WoW-SPUQ-Score im Vergleich zum OGAS-Score festgestellt wurde, könnte die Wahl einer spezifischeren Messung zur Beurteilung der WOW-Sucht widerspiegeln. Es sind jedoch weitere Untersuchungen erforderlich.
Die Tatsache, dass der Zusammenhang zwischen PIU und reduzierter impliziter Lernfähigkeit in der vorliegenden Studie nur in der Gruppe männlicher Teilnehmer mit (Anfälligkeit für) IGD (Studie 1 und 2) gefunden wurde, könnte die teilweise widersprüchlichen Ergebnisse zum Zusammenhang zwischen PIU und reduzierter impliziter Lernfähigkeit weiter erklären Entscheidungsfindung und PIU in der Literatur (z. B Ko et al., 2010, Sun et al., 2009). Dieser Zusammenhang erscheint jedoch plausibel, da Studien darauf hindeuten, dass IGD in erster Linie eine männliche Suchtart ist (z. B Rumpf et al., 2011).
In Anbetracht Hypothese 3, konnten einige signifikante Zusammenhänge zwischen Impulsivität, gemessen mit BIS-11, und PIU/IGD (Studien 2 und 3) gefunden werden, was mit Erkenntnissen in der Literatur übereinstimmt (z. B Lee et al., 2012). Während das Selbstberichtsmaß der Risikobereitschaft (SOEP) in keiner der Studien mit PIU/IGD verknüpft war, war das experimentelle Maß der Risikobereitschaft/Impulsivität mit dem OGAS-Score (Studie 3) verbunden, nicht jedoch mit dem s-IAT-Score. Dieser besondere Unterschied könnte auf Probleme hinsichtlich der Zuverlässigkeit der Messungen zurückzuführen sein. Während die selbstberichtete Risikobereitschaft mit einem einzigen Punkt bewertet wurde, wird erwartet, dass die experimentelle Messung der Risikobereitschaft objektive und zuverlässige Daten liefert. Im Hinblick auf den Zusammenhang zwischen MNOB und dem OGAS-Score könnte das Devil's-Brust-Experiment (Version 2, bei dem die Kästchen über die 36 Versuche vollständig randomisiert wurden) eine spezifischere Seite der Impulsivität (wie Risikobereitschaft) abdecken, die IGD besser charakterisiert als die generalisierte PIU. Jedoch, Koet al. (2010) zeigten keinen Unterschied in der Risikobereitschaft (gemessen mit dem BART) zwischen internetsüchtigen Probanden mit einer Tendenz zu IGD und Kontrollteilnehmern. Daher bedarf dieser Zusammenhang weiterer Untersuchungen.
Die Manipulationsprüfung des „Devil's Chest“-Experiments zur Messung des impliziten Lernens war in Studie 1 erfolgreich. Wir gehen daher davon aus, dass die Teilnehmer im Laufe des Experiments implizit Strategien extrahieren und erlernen konnten, um mehr Geld zu verdienen. Allerdings konnte in Studie 2 kein signifikanter Unterschied zwischen den Zuwächsen in den Versuchen 1–18 und 19–36 beobachtet werden, mit Ausnahme der Gruppe der männlichen WoW-Spieler, bei der die Teilnehmer im zweiten Teil des Experiments geringere Zuwächse zeigten. Hier haben wir in zusätzlichen Analysen gezeigt, dass nach Kontrolle der Leistungsmotivation der negative Zusammenhang zwischen GAIN und dem s-IAT/WOW-SPUQ-Score stärker wurde. Daher vermuten wir, dass in Studie 2 der implizite Lerneffekt durch die Effekte der Leistungsmotivation überschattet wurde, da den Teilnehmern der Geldbetrag ausgezahlt wurde, den sie im Experiment gewonnen hatten. An dieser Stelle muss angemerkt werden, dass UMS-10 die Leistungsmotivation misst, also die Tendenz, zu größeren Erfolgen im Allgemeinen motiviert zu sein, und nicht einen Zustand, also die Motivation, in diesem speziellen Experiment mehr zu gewinnen. Durch die Kontrolle der UMS-10-Leistungsmotivation haben wir jedoch die Rolle individueller Unterschiede in der Merkmalsmotivation für die Leistung bei der Aufgabe „Teufelsbrust“ innerhalb der Stichprobe berücksichtigt.
Die Validierung der zweiten Version des „Devil's Chest“-Experiments zur Messung von Risikobereitschaft/Impulsivität zeigte, dass die durchschnittliche Anzahl freiwillig geöffneter Kisten (MNOB) nicht signifikant mit der Selbsteinschätzung der Risikobereitschaft verknüpft war. Dies könnte daran liegen, dass das SOEP die allgemeine Risikobereitschaft nur mit einem Item bewertet, was sich wiederum negativ auf seine Zuverlässigkeit auswirken könnte. Allerdings war MNOB mit dem BIS-11-Gesamtscore sowie den Subskalen Aufmerksamkeit, Motorik und nicht planende Impulsivität assoziiert. Diese Ergebnisse stehen im Einklang mit Validierungsstudien zu ähnlichen Verhaltensmaßstäben der Risikobereitschaft wie dem BART (Lejuez et al., 2002).
Im Folgenden werden einige der Stärken und Grenzen der vorgestellten Forschung diskutiert. Eine Stärke der vorliegenden Untersuchung besteht darin, dass die Rolle des Geschlechts berücksichtigt wurde. Auch wenn im Zusammenhang mit IGD und PIU geschlechtsspezifische Unterschiede beschrieben wurden (Rumpf et al., 2011) haben nicht viele Untersuchungen die Rolle des Geschlechts bei der Untersuchung des Zusammenhangs zwischen PIU/IGD und implizitem Lernen/Risikobereitschaft besonders bewertet, wie in der vorliegenden Studie. Darüber hinaus wurde in Studie 2 die Gruppe der WoW-Spieler nach strengen Kriterien rekrutiert und nicht einfach durch die Anwendung eines Grenzwerts in einem Selbstauskunftsfragebogen wie dem OGAS. Die Verwendung eines Grenzwerts ist problematisch, da viele der in Studien verwendeten Grenzwerte manchmal willkürlich gewählt werden und im klinischen Umfeld nicht angemessen validiert wurden. Schließlich haben wir in den Studien 1 bis 3 sowohl PIU als auch IGD untersucht, was eine weitere Untersuchung der Ähnlichkeiten und einzigartigen Merkmale beider Erkrankungen ermöglicht.
Zu den Einschränkungen zählen die geringe Teilnehmerzahl pro Gruppe, insbesondere in Studie 2, und das niedrige Alter der Teilnehmer. Zukünftige Studien sollten daher repräsentativere Stichproben untersuchen. Zweitens wurde eine Vergleichsgruppe übermäßiger Internetnutzer, die keine WoW-Spieler waren, nicht einbezogen. Darüber hinaus basieren die Ergebnisse der Studie auf Korrelationsanalysen, so dass keine Interpretationen zur Kausalität möglich sind.
6. Fazit
Zusammenfassend konnten wir zeigen, dass PIU stark mit schlechten impliziten Lernfähigkeiten bei männlichen (WoW) Gamern assoziiert ist. Dieser Befund konnte in der vorliegenden Studie in zwei unabhängigen Stichproben beobachtet werden. Darüber hinaus konnte in der Gruppe der männlichen WoW-Spieler ein etwas schwächerer Zusammenhang zwischen WOW-SPUQ und mangelndem impliziten Lernen beobachtet werden. Darüber hinaus waren höhere Werte im OGAS in Studie 3 mit einer höheren Tendenz zum Risikoverhalten verbunden. Der geschlechtsspezifische Effekt in den Studien 1 und 2 wurde in der Studie weiter diskutiert.
Rolle der Finanzierungsquellen
Christian Montag erhält ein Heisenberg-Stipendium der Deutschen Forschungsgemeinschaft (MO 2363/3-1). Darüber hinaus wird die vorliegende Studie durch ein Forschungsstipendium der Deutschen Forschungsgemeinschaft zum Thema Internet- und Computerspielsucht (MO 2363/2-1) an Christian Montag gefördert. Die Deutsche Forschungsgemeinschaft hatte keinen Einfluss auf das Studiendesign, die Sammlung, Analyse oder Interpretation der Daten, die Erstellung des Manuskripts oder die Entscheidung, die Arbeit zur Veröffentlichung einzureichen.
Mitwirkende
CM und RS haben die Studie entworfen. RS, BL und CM rekrutierten und testeten die Teilnehmer. RS führte die Analysen durch und verfasste das Manuskript. BL überprüfte die statistischen Analysen noch einmal und überprüfte das Manuskript. SM programmierte die experimentellen Aufgaben (Versionen 1 und 2) und gab nach Durchsicht des Manuskripts ein ausführliches Feedback zum Manuskript. MR prüfte die Manuskripte kritisch. Alle Autoren haben zum endgültigen Manuskript beigetragen und es genehmigt.
Danksagung
Wir danken Ralf Reichert von Turtle Entertainment, dass er uns die Möglichkeit gegeben hat, unser Experiment auf der GamesCom 2013 durchzuführen. Turtle Entertainment hat jedoch keinen Gewinn erzielt und keinen Einfluss auf die Durchführung der Studie genommen.
Unser Dank gilt auch Maximilian Sieber und Otilia Pasnicu, die im Rahmen ihrer Bachelorarbeiten die Teilnehmer für Studie 3 rekrutiert und getestet haben.
Fußnoten
1Im gesamten vorliegenden Artikel verwenden wir den Begriff „problematische Internetnutzung“ (PIU) als Ersatz für Internetsucht, da es derzeit keine offizielle Diagnose in DSM-5 und ICD 10 gibt Im Anhang von DSM-5 wird dieser Begriff als Synonym für Online-Spielsucht verwendet. Bitte beachten Sie, dass nicht jede Studie, die wir in diesem Artikel zitieren, IGD anhand der in DSM-5 vorgeschlagenen Kriterien untersuchte.
2Bemerkenswert ist, dass die „Teufels“-Box nicht so programmiert war, dass sie an Position 1 erscheint, da dies den aktuellen Versuch beendet hätte, ohne den Teilnehmern die Möglichkeit gegeben zu haben, zu entscheiden, ob sie mit dem Öffnen einer anderen Box fortfahren möchten.
Bibliographie
- Amerikanische Psychiatrie-Vereinigung. Diagnostisches und statistisches Handbuch psychischer Störungen, 5. Auflage, (Textrevision, abgerufen am 7. September 2016). http://www.dsm5.org/Pages/Default.aspx
- Bechara A., Dolan S., Denburg N., Hindes A., Anderson SW, Nathan PE Entscheidungsdefizite im Zusammenhang mit einem dysfunktionalen ventromedialen präfrontalen Kortex, die bei Alkohol- und Stimulanzienabhängigen aufgedeckt wurden. Neuropsychologie. 2001;39(4):376–389. [PubMed]
- Brand M., Labudda K., Markowitsch HJ Neuropsychologische Korrelate der Entscheidungsfindung in mehrdeutigen und riskanten Situationen. Neuronale Netze. 2006;19(8):1266–1276. [PubMed]
- Brand M., Young KS, Laier C., Wölfling K., Potenza MN Integration psychologischer und neurobiologischer Überlegungen zur Entwicklung und Aufrechterhaltung spezifischer Internetnutzungsstörungen: Ein Interaktionsmodell von Person-Affekt-Kognition-Ausführung (I-PACE). . Bewertungen zu Neurowissenschaften und Bioverhalten. 2016;71: 252-266. [PubMed]
- Cao F., Su L., Liu T., Gao X. Die Beziehung zwischen Impulsivität und Internetsucht in einer Stichprobe chinesischer Jugendlicher. Europäische Psychiatrie. 2007;22(7):466–471. [PubMed]
- Davis RA Ein kognitiv-verhaltensbezogenes Modell der pathologischen Internetnutzung. Computer im menschlichen Verhalten. 2001;17 (2): 187-195.
- Eisenegger C., Knoch D., Ebstein RP, Gianotti LR, Sándor PS, Fehr E. Der Polymorphismus des Dopaminrezeptors D4 sagt die Wirkung von L-DOPA auf das Spielverhalten voraus. Biologische Psychiatrie. 2010;67(8):702–706. [PubMed]
- Epstein S. Kognitive experimentelle Selbsttheorie der Persönlichkeit. In: Millon T., Lerner MJ, Herausgeber. Handbuch der Psychologie. 5. Aufl. Wiley; Hoboken: 2003. S. 159–184.
- Internet-Live-Statistiken Internetnutzer in der Welt. 2016. http://www.internetlivestats.com/internet-users/ Abgerufen am 7. September von.
- Ko CH, Yen JY, Chen CC, Chen SH, Yen CF Geschlechterunterschiede und damit verbundene Faktoren, die die Online-Spielsucht bei taiwanesischen Jugendlichen beeinflussen. Das Journal of Nervous and Mental Disease. 2005;193(4):273–277. (doi:00005053-200504000-00008 [pii]) [PubMed]
- Ko CH, Hsiao S., Liu G., Yen J., Yang M., Yen C. Die Merkmale der Entscheidungsfindung, das Risikopotenzial und die Persönlichkeit von College-Studenten mit Internetsucht. Psychiatrieforschung. 2010;175(1):121–125. [PubMed]
- Kreek MJ, Nielsen DA, Butelman ER, LaForge KS Genetische Einflüsse auf Impulsivität, Risikobereitschaft, Stressreaktivität und Anfälligkeit für Drogenmissbrauch und Sucht. Naturneurowissenschaften. 2005;8(11):1450–1457. [PubMed]
- Laier C., Pawlikowski M., Brand M. Die Verarbeitung sexueller Bilder beeinträchtigt die Entscheidungsfindung bei Mehrdeutigkeit. Archiv für sexuelles Verhalten. 2014;43(3):473–482. [PubMed]
- Lee HW, Choi J., Shin Y., Lee J., Jung HY, Kwon JS Impulsivität bei Internetsucht: Ein Vergleich mit pathologischem Glücksspiel. Cyberpsychologie, Verhalten und soziale Netzwerke. 2012;15(7):373–377. [PubMed]
- Lejuez CW, Read JP, Kahler CW, Richards JB, Ramsey SE, Stuart GL, …Brown RA Bewertung eines Verhaltensmaßes für die Risikobereitschaft: Die Balloon Analog Risk Task (BART) Journal of Experimental Psychology: Applied. 2002;8(2):75–84. [PubMed]
- Lemmens JS, Valkenburg PM, Peter J. Entwicklung und Validierung einer Spielsuchtskala für Jugendliche. Medienpsychologie. 2009;12(1):77–95.
- Miles J., Shevlin M. Sage; 2001. Anwenden von Regression und Korrelation: Ein Leitfaden für Studenten und Forscher.
- Moeller FG, Barratt ES, Dougherty DM, Schmitz JM, Swann AC Psychiatrische Aspekte der Impulsivität. Amerikanisches Journal für Psychiatrie. 2001;158(11):1783–1793. [PubMed]
- Montag C., Bey K., Sha P., Li M., Chen Y., Liu W., …Keiper J. Ist es sinnvoll, zwischen allgemeiner und spezifischer Internetsucht zu unterscheiden? Erkenntnisse aus einer interkulturellen Studie aus Deutschland, Schweden, Taiwan und China. Asien-Pazifik-Psychiatrie. 2015;7(1):20–26. [PubMed]
- Patton JH, Stanford MS Faktorstruktur der Barratt-Impulsivitätsskala. Zeitschrift für Klinische Psychologie. 1995;51(6):768–774. [PubMed]
- Pawlikowski M., Brand M. Exzessives Internet-Gaming und Entscheidungsfindung: Haben exzessive World-of-Warcraft-Spieler Probleme bei der Entscheidungsfindung unter riskanten Bedingungen? Psychiatrieforschung. 2011;188(3):428–433. [PubMed]
- Pawlikowski M., Altstötter-Gleich C., Brand M. Validierung und psychometrische Eigenschaften einer Kurzversion von Youngs Internetsuchttest. Computer im menschlichen Verhalten. 2013;29(3):1212–1223.
- Peters CS, Malesky LA, Jr. Problematische Nutzung von Massively-Multiplayer-Online-Rollenspielen unter hochengagierten Spielern. Cyberpsychologie und Verhalten. 2008;11(4):481–484. [PubMed]
- Rumpf H., Meyer C., Kreuzer A., John U., Merkeerk G. Vol. 31. 2011. Prävalenz der Internetabhängigkeit (PINTA). Bericht an Das Bundesministerium Für Gesundheit. Greifswald und Lübeck. (12ff)
- Schiebener J., Brand M. Entscheidungsfindung unter objektiven Risikobedingungen – eine Überprüfung kognitiver und emotionaler Korrelate, Strategien, Feedbackverarbeitung und externer Einflüsse. Rezension zur Neuropsychologie. 2015;25(2):171–198. [PubMed]
- Schoenbaum G., Roesch MR, Stalnaker TA Orbitofrontaler Kortex, Entscheidungsfindung und Drogenabhängigkeit. Trends in den Neurowissenschaften. 2006;29(2):116–124. [PubMed]
- Schönbrodt FD, Gerstenberg FX Eine IRT-Analyse von Motivfragebögen: Die einheitlichen Motivskalen. Zeitschrift für Persönlichkeitsforschung. 2012;46(6):725–742.
- Siedler T., Schupp J., Spiess CK, Wagner GG Das deutsche Sozioökonomische Panel als Referenzdatensatz. Schmollers Jahrbuch. 2008;129(2):367–374.
- Stanford MS, Mathias CW, Dougherty DM, Lake SL, Anderson NE, Patton JH Fünfzig Jahre Barratt-Impulsivitätsskala: Eine Aktualisierung und ein Rückblick. Persönlichkeits- und individuelle Unterschiede. 2009;47(5):385–395.
- Sun D., Chen Z., Ma N., Zhang X., Fu X., Zhang D. Entscheidungsfindung und präpotente Reaktionshemmung funktionieren bei übermäßigen Internetnutzern. ZNS-Spektren. 2009;14(02):75–81. [PubMed]
- Tao R., Huang X., Wang J., Zhang H., Zhang Y., Li M. Vorgeschlagene diagnostische Kriterien für Internetsucht. Sucht. 2010;105(3):556–564. [PubMed]
- Yao Y., Chen P., Chen C., Wang L., Zhang J., Xue G., … Fang Psychiatrieforschung. 2014;219(3):583–588. [PubMed]
- Yao YW, Wang LJ, Yip SW, Chen PR, Li S., Psychiatrieforschung. 2015;229(1):302–309. [PubMed]
- Young KS Psychologie der Computernutzung: XL. Süchtige Nutzung des Internets: Ein Fall, der mit dem Klischee bricht. Psychologische Gutachten. 1996;79(3):899–902. [PubMed]
- Junger KS John Wiley & Sons; 1998. Im Netz gefangen: Wie man die Anzeichen einer Internetsucht erkennt – und eine erfolgreiche Strategie zur Genesung.
- Young KS Internetsucht: Die Entstehung einer neuen klinischen Störung. Cyberpsychologie und Verhalten. 1998;1(3):237–244.
;