Ist es nützlich, Internet-Kommunikation zu nutzen, um der Langeweile zu entkommen? Langeweile-Anfälligkeit interagiert mit cue-induziertem Verlangen und Vermeidungserwartungen bei der Erklärung von Symptomen einer Internet-Kommunikationsstörung (2018)

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

Abstract

Die Verwendung von Online-Kommunikationsanwendungen wie Messenger (z. B. WhatsApp) oder Social-Networking-Dienste (z. B. Facebook) auf dem Smartphone hat sich für Milliarden von Menschen zur täglichen Praxis entwickelt, beispielsweise während der Wartezeiten. Immer mehr Menschen zeigen trotz negativer Konsequenzen im Alltag eine eingeschränkte Kontrolle über ihre Verwendung dieser Anwendungen. Dies kann als Internet-Kommunikationsstörung (ICD) bezeichnet werden. In der aktuellen Studie wurde die Auswirkung der Langeweile auf die Symptome eines ICD untersucht. Des Weiteren wurde die vermittelnde Rolle kognitiver und affektiver Mechanismen untersucht, nämlich die Erwartung, negative Gefühle online zu vermeiden, und das durch das Stichwort hervorgerufene Verlangen. Die Ergebnisse eines Strukturgleichungsmodells (N = 148) zeigen, dass Langeweile eine Risikofaktor für die Entwicklung und Aufrechterhaltung eines ICD ist, da er einen signifikanten direkten Einfluss auf die ICD-Symptome hat. Darüber hinaus prognostizierte die Langeweile-Anfälligkeit Vermeidungserwartungen sowie ein durch das Stichwort hervorgerufenes Verlangen. Beide erhöhten wiederum das Risiko, ICD-Tendenzen zu entwickeln. Darüber hinaus haben beide Variablen die Auswirkung der Langeweile auf die ICD vermittelt und interagieren miteinander. Zusammenfassend zeigen die Ergebnisse, dass Personen mit einer höheren Anfälligkeit für Langeweile eine höhere Erwartung haben, negative Emotionen online zu vermeiden, was bei bestimmten Anzeichen (z. B. einer eingehenden Nachricht) zu erhöhten Verlangen-Reaktionen führt und zu ICD-Tendenzen führen kann.

Zitat: Wegmann E, Ostendorf S, Brand M (2018) Ist die Nutzung von Internetkommunikation zur Langeweilevertreibung vorteilhaft? Die Anfälligkeit für Langeweile interagiert mit reizinduziertem Verlangen und Vermeidungserwartungen bei der Erklärung der Symptome einer Internetkommunikationsstörung. PLoS ONE 13(4): e0195742. https://doi.org/10.1371/journal.pone.0195742

Herausgeber: Phil Reed, Swansea University, Vereinigtes Königreich

Eingegangen: 22. November 2017; Angenommen: 28. März 2018; Veröffentlicht: 19. April 2018

Copyright: © 2018 Wegmann et al. Dies ist ein Open-Access-Artikel, der unter den Bedingungen der Creative Commons Attribution License verbreitet wird . Diese Lizenz erlaubt die uneingeschränkte Nutzung, Verbreitung und Vervielfältigung in jedem Medium, sofern der ursprüngliche Autor und die Quelle angegeben werden.

Datenverfügbarkeit: Alle relevanten Daten sind im Artikel und den zugehörigen Zusatzinformationen enthalten.

Finanzierung: Die Autoren haben für diese Arbeit keine spezifische Förderung erhalten.

Interessenkonflikte: Die Autoren erklären, dass keine Interessenkonflikte bestehen.

Einführung

Seit der Einführung des Smartphones vor über zehn Jahren steigt die Zahl der Nutzer im Alltag stetig. Weltweit wird die Zahl der Smartphone-Nutzer im Jahr 2017 voraussichtlich 2.32 Milliarden erreichen und im Jahr 2020 auf 2.87 Milliarden ansteigen [ 1 ]. Zu den beliebtesten Online-Anwendungen auf Smartphones zählen Online-Kommunikations-Apps. Sie ermöglichen es Nutzern, direkt mit anderen in Kontakt zu treten, mit Freunden in der Ferne in Verbindung zu bleiben und persönliche Informationen, Bilder oder Videos zu teilen [ 2 , 3 ]. Der Begriff „Online-Kommunikations-Apps“ umfasst sehr populäre Anwendungen wie den Instant-Messaging-Dienst WhatsApp mit über 1.3 Milliarden aktiven Nutzern pro Monat [ 4 ] oder soziale Netzwerke wie Facebook mit 2 Milliarden monatlich aktiven Nutzern [ 5 ] . Neben den vielen Vorteilen der Internetkommunikation und der Smartphone-Nutzung im Allgemeinen leiden immer mehr Menschen unter den negativen Folgen einer exzessiven und zeitaufwendigen Nutzung dieser Anwendungen [ 2 , 6–8 ]. Insbesondere die Verfügbarkeit verschiedener mobiler Geräte und der einfache und ständige Zugriff auf solche Anwendungen ermöglichen es den Menschen, den ganzen Tag über – jederzeit und überall – mit anderen zu interagieren und zu kommunizieren [ 9 , 10 ]. Dieses Verhalten kann zu einem pathologischen und zwanghaften Gebrauch führen, der mit anderen Verhaltenssüchten oder Substanzkonsumstörungen vergleichbar ist, wie verschiedene Studien und Forscher nahelegen [ 7 , 8 ].

Kognitive und affektive Korrelate von Internet-Kommunikationsstörungen

Die weltweit zunehmende Internetnutzung führt zu vermehrten Studien, die sich mit der Internetnutzungsstörung als spezifischer Form der Verhaltenssucht befassen [ 2 , 7 , 11 ]. Einige Studien legen zudem die Existenz einer spezifischen Form der Internetnutzungsstörung nahe, der Internet-Kommunikationsstörung (ICD). Die ICD beschreibt die süchtige Nutzung von Online-Kommunikationsanwendungen [ 6–8 , 12 ]. Symptome der ICD, die sich aus den Charakteristika einer Internetnutzungsstörung ableiten, umfassen Kontrollverlust, Rückfälle, Entzugserscheinungen, gedankliche Fixierung, Vernachlässigung von Interessen, Toleranzentwicklung und negative Folgen im sozialen, beruflichen oder persönlichen Leben [ 6 , 7 , 13 , 14 ] . Davis [ 12 ] entwickelte das erste theoretische Modell, das die Mechanismen sowohl einer unspezifischen pathologischen Internetnutzung als auch einer spezifischen Internetnutzungsstörung beschreibt. Kürzlich stellten Brand und Young [ 7 ] ein neues theoretisches Modell vor, das Interaction of Person-Affect-Cognition-Execution (I-PACE)-Modell. Dieses Modell fasst potenzielle Mechanismen der Entstehung und Aufrechterhaltung spezifischer Internetnutzungsstörungen, wie beispielsweise der Impulskontrollstörung (ICD), zusammen. Das I-PACE-Modell veranschaulicht die Interaktion von Personenmerkmalen sowie affektiven, kognitiven und exekutiven Komponenten. Es geht davon aus, dass Personenmerkmale wie Persönlichkeit, soziale Kognitionen, psychopathologische Symptome, biopsychologische Faktoren und spezifische Prädispositionen die subjektive Wahrnehmung einer Situation beeinflussen. Diese Wahrnehmung wird durch Faktoren wie die Konfrontation mit suchtbezogenen Reizen, Stress, persönliche Konflikte, abnorme Stimmungen sowie durch individuelle affektive und kognitive Reaktionen geprägt. Letztere umfassen Reizreaktivität, Suchtverlangen, Aufmerksamkeitsverzerrungen sowie weitere internetbezogene kognitive Verzerrungen und dysfunktionale Bewältigungsstrategien. Es wird angenommen, dass diese individuellen affektiven und kognitiven Faktoren den Einfluss der Personenmerkmale auf die Entstehung und Aufrechterhaltung einer spezifischen Internetnutzungsstörung vermitteln oder moderieren. Brand und Young [ 7 ] zeigen, dass affektive und kognitive Reaktionen mit exekutiven Faktoren wie der Impulskontrolle interagieren. Die Entscheidung, eine bestimmte Anwendung zu nutzen, um Befriedigung oder Kompensation zu erfahren, kann zu einer übermäßigen Nutzung dieser Anwendung führen und dadurch spezifische Prädispositionen sowie affektive, kognitive und exekutive Faktoren verstärken – ähnlich einem Teufelskreis (eine detailliertere Beschreibung des Modells und einen umfassenden Überblick über empirische Studien finden sich in [ 7 ]).

Frühere Studien zeigten bereits, dass der Einfluss psychopathologischer Symptome wie Depression und sozialer Angst sowie von Persönlichkeitsmerkmalen wie Stressanfälligkeit, Selbstwertgefühl und Selbstwirksamkeit auf die Neigung zu einer Internetsucht durch spezifische Kognitionen, beispielsweise einen dysfunktionalen Bewältigungsstil und Erwartungen an die Internetnutzung, vermittelt wird [ 8 , 15 ]. Wegmann und Oberst [ 16 ] wiesen nach, dass insbesondere Vermeidungserwartungen, darunter der Wunsch, der Realität zu entfliehen, sich von realen Problemen abzulenken oder Einsamkeit zu vermeiden, für die Erklärung von Symptomen einer Internetsucht relevant sind. Brand und Laier [ 17 ] sowie Trotzke und Starcke [ 18 ] zeigten, dass hohe Erwartungen an die Nutzung bestimmter Anwendungen als Möglichkeit, Vergnügen zu erleben oder sich von Problemen abzulenken, den Zusammenhang zwischen persönlichen Aspekten und einer generalisierten (unspezifischen) Internetnutzungsstörung bzw. einer Online-Shopping-Störung vermitteln.

Neben dem Konzept der Internetnutzungserwartung haben Brand, Young [7] argumentieren weiter, dass Queue-Reaktivität und Sehnsucht wichtige Konstrukte für die Entwicklung und Aufrechterhaltung einer pathologischen Verwendung bestimmter Anwendungen sind. Diese Annahme basiert auf früheren Forschungen zu Störungen des Substanzgebrauchs (siehe zum Beispiel19] sowie andere Verhaltensabhängigkeiten [20], die zeigen, dass Süchtige anfällig für suchtabhängige Reize sind, die belohnungsverarbeitende Bereiche im Gehirn auslösen [21-25]. Craving beschreibt den Wunsch oder Drang, wiederholt Drogen zu nehmen oder ein Suchtverhalten zu zeigen [26, 27]. Das Konzept der Queue-Reaktivität und des Verlangens wurde auf die Untersuchung von Verhaltensabhängigkeiten übertragen. Verhaltenskorrelate von Cue-Reaktivität und Verlangen wurden bereits bei Internet-Shopping-Störungen beobachtet [18], Internet-Pornografie-Sehstörung [28, 29], Internet-Gaming-Störung [30, 31], Internet-Glücksspielstörung [32, 33] und ICD [34].

Obwohl Studien die wichtige Rolle affektiver (Reaktion auf Reize und Suchtverlangen) und kognitiver (internetbezogene Erwartungen) Komponenten bei der Entwicklung und Aufrechterhaltung einer spezifischen Internetnutzungsstörung betonen, bleibt die im I-PACE-Modell postulierte Interaktion dieser Faktoren unklar. Die vorliegende Studie basiert auf einigen zentralen Annahmen des I-PACE-Modells, insbesondere auf den Mediationseffekten affektiver und kognitiver Mechanismen auf den Zusammenhang zwischen den Kernmerkmalen einer Person und den Symptomen einer Internetnutzungsstörung. Ziel dieser Studie ist es, den Einfluss der Kernmerkmale einer Person auf die Internetnutzungsstörung zu untersuchen, der sowohl durch internetbezogene kognitive Verzerrungen (z. B. Erwartungen an die Internetnutzung) als auch durch affektive Verzerrungen (z. B. reizinduziertes Suchtverlangen) vermittelt wird. In Anlehnung an Wegmann und Oberst [ 16 ] gehen wir davon aus, dass der Effekt der Erwartung, negative Emotionen durch die Nutzung von Online-Kommunikationsanwendungen zu vermeiden, durch reizinduziertes Suchtverlangen vermittelt wird, wie im Modell von Brand und Young [ 7 ] beschrieben. Als zweites Ziel der Studie untersuchen wir die Rolle der Langeweileanfälligkeit bei Internetnutzungsstörungen. Wir möchten daher den Zusammenhang zwischen den Kernmerkmalen einer Person und den Symptomen einer spezifischen Internetnutzungsstörung besser verstehen, der im Kontext von Internetnutzungsstörungen bisher noch nicht untersucht wurde.

Langeweile Anfälligkeit als Prädiktor eines ICD

Die Konzeptualisierung von Langeweile wird durch verschiedene situative und individuelle Faktoren bestimmt [ 35 ]. Langeweile selbst kann als negativer Geisteszustand oder innerer Konflikt zwischen einer erwarteten und einer wahrgenommenen Erfahrung beschrieben werden [ 36 , 37 ]. Brissett und Snow [ 38 ] definierten Langeweile als einen Zustand der „Unterstimulation, der Untererregung und des Mangels an psychologischer Beteiligung, verbunden mit Unzufriedenheit; Individuen versuchen, mit Langeweile umzugehen, indem sie zusätzliche Stimulation suchen“ [ 39 ]. Dieser Zustand ist auch mit unangenehmen Gefühlen verbunden, denen Individuen zu entfliehen versuchen [ 40 , 41 ]. Die bloße Langeweileanfälligkeit wird als Persönlichkeitsmerkmal definiert. Das Konstrukt der Langeweileanfälligkeit wird oft „operationalisiert als die Anfälligkeit einer Person, Langeweile zu erleben“ [ 35 ]. Zur Langeweileanfälligkeit gehört außerdem die Schwierigkeit einer Person, ihre Aufmerksamkeit auf einen Reiz zu richten, sich dieses Aufmerksamkeitsdefizits bewusst zu sein und zu versuchen, das Erleben von Langeweile als Zustand zu reduzieren [ 35 , 42 ].

Mehrere Studien unterstreichen die klinische Relevanz der Langeweileanfälligkeit, indem sie zeigen, dass Langeweile (bzw. -anfälligkeit) mit Alkoholkonsum [ 43 ], dem Gebrauch psychoaktiver Substanzen [ 44 ], Depressions- und Angstsymptomen [ 35 ] sowie allgemeinen Gesundheitsproblemen [ 45 ] zusammenhängt. Zhou und Leung [ 46 ] wiesen nach, dass Langeweile in der Freizeit mit riskantem Verhalten wie Delinquenz, exzessiver Erlebnissucht und Drogenmissbrauch assoziiert ist [ 36 , 46 , 47 ]. Als mögliche Erklärung für den Zusammenhang zwischen Langeweileanfälligkeit und Substanzkonsum (z. B. Alkohol) untersuchten Biolcati und Passini [ 48 ] die potenzielle Mediationswirkung von Erwartungen hinsichtlich des Alkoholkonsums. Die Ergebnisse zeigten, dass der Einfluss der Langeweileanfälligkeit auf exzessives Trinken durch die Erwartungen vermittelt wird, Langeweile und Problemen zu entfliehen sowie negative Gefühle zu bewältigen [ 48 ]. Empirische Forschung zu verschiedenen Verhaltenssüchten oder pathologischen Verhaltensweisen erklärt zudem die Bedeutung von Langeweile für riskantes Verhalten. So zeigten Blaszczynski und McConaghy [ 49 ], dass Personen mit Glücksspielstörung im Vergleich zu Nicht-Glücksspielern höhere Werte bei Langeweile-Messungen erreichten. Glücksspiel scheint für sie eine Möglichkeit zu sein, negative Zustände oder Stimmungen zu vermeiden oder zu reduzieren. Dies deckt sich mit den Ergebnissen von Fortune und Goodie [ 50 ], die belegen, dass pathologisches Glücksspiel mit einer erhöhten Langeweileanfälligkeit einhergeht. Diese ist eine Subskala der Sensation Seeking Scale Form V von Zuckerman und Eysenck [ 51 ].

Wie bereits beschrieben, resultiert die Nutzung von Smartphones im Alltag aus dem einfachen und permanenten Zugriff, der fortlaufende Kommunikation und Unterhaltung ermöglicht [ 2 , 52 ]. Wir vermuten, dass die Möglichkeit einer anhaltenden Stimulation zu einer zeitaufwändigen und exzessiven Nutzung von Smartphones und Online-Kommunikationsanwendungen führt. Ebenso scheint die Vermeidung von Langeweile die Hauptmotivation für die Internetnutzung zu sein [ 53 ]. Lin und Lin [ 37 ] zeigten, dass sowohl eine hohe Langeweileanfälligkeit als auch eine intensive Internetnutzung die Wahrscheinlichkeit einer Internetstörung erhöhen. Die Autoren betonen, dass das Internet die Möglichkeit bietet, Aufregung und Vergnügen zu suchen, was zu einer pathologischen Nutzung führen kann. Dies deckt sich mit früheren Forschungsergebnissen , die den Zusammenhang zwischen einer Internetstörung und einer höheren Langeweileanfälligkeit hervorheben [ 54–56 ]. Zhou und Leung [ 46 ] präzisierten diesen Zusammenhang und zeigten , dass Langeweile ein Prädiktor für eine pathologische Nutzung sozialer Netzwerke sowie für pathologisches Spielverhalten in sozialen Netzwerken ist. Elhai und Vasquez [ 42 ] zeigten, dass eine höhere Langeweileanfälligkeit den Einfluss von Depressionen und Angstzuständen auf problematisches Smartphone-Verhalten vermittelt. Insgesamt gehen wir davon aus, dass Langeweileanfälligkeit als Persönlichkeitsmerkmal einen individuellen Risikofaktor für die Entwicklung einer Impulskontrollstörung darstellt.

Zusammenfassung der Ziele der Studie

Die vorliegende Studie zielt darauf ab, zu einem besseren Verständnis der zugrunde liegenden affektiven und kognitiven Mechanismen der Symptome einer Impulskontrollstörung beizutragen. Unsere Annahmen basieren auf früheren Studien, die den Einfluss von Langeweileanfälligkeit auf riskantes Verhalten wie Substanzmissbrauch [ 57 ], Gesundheitsrisikofaktoren [ 46 ], pathologisches Glücksspiel [ 50 ] oder Internetnutzungsstörungen [ 37 , 54 ] untersuchten. Wir gehen davon aus, dass Personen mit einer höheren Anfälligkeit für Langeweile, die das Smartphone wiederholt als maladaptive Bewältigungsstrategie nutzen, eher zu einer pathologischen Nutzung von Online-Kommunikationsanwendungen neigen. In Übereinstimmung mit dem I-PACE-Modell von Brand und Young [ 7 ] postulieren wir, dass der Effekt der Langeweileanfälligkeit durch spezifische Kognitionen vermittelt wird. Des Weiteren gehen wir, basierend auf der Studie von Biolcati und Passini [ 48 ], davon aus, dass insbesondere Personen mit einer höheren Langeweileanfälligkeit und der Erwartung, negative Emotionen durch die Nutzung von Online-Kommunikationsanwendungen zu vermeiden, stärkere negative Folgen durch die Nutzung solcher Anwendungen erfahren. Als weiteres Ziel untersuchen wir die Auswirkungen affektiver und kognitiver Reaktionen. Das I-PACE-Modell legt nahe, dass der Einfluss von Vermeidungserwartungen auf ICD-Symptome durch verstärktes Verlangen vermittelt wird. Insgesamt könnte der Mediationseffekt von reizinduziertem Verlangen auch für den Mediationseffekt von Vermeidungserwartungen zwischen Langeweileanfälligkeit und ICD relevant sein. Abbildung 1 fasst die Hypothesen in einem Strukturgleichungsmodell zusammen.

Daumennagel

 

Fig 1. Hypothesisiertes Modell.

Das hypothetische Modell zur Analyse der vorgeschlagenen direkten und indirekten Auswirkungen einschließlich der latenten Variablen der ICD.

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

Methoden

Teilnehmer und Verfahren

An der vorliegenden Studie nahmen 148 Personen im Alter von 18 bis 60 Jahren ( M = 25.61, SD = 8.94) teil. Davon waren 91 weiblich und 57 männlich. Alle Teilnehmenden nutzten Online-Kommunikationsanwendungen, und zwar seit zwei bis 19 Jahren ( M = 8.09, SD = 3.09). WhatsApp war die am häufigsten genutzte Anwendung (97.97 % aller Teilnehmenden), gefolgt von Facebook (78.38 %), Facebook Messenger (62.84 %) und Instagram (53.38 %). Andere Online-Kommunikationsanwendungen wie Twitter, iMessage, Snapchat oder Skype wurden von weniger als 50 % aller Teilnehmenden genutzt. Die Teilnehmer verbrachten durchschnittlich 125.41 Minuten ( SD = 156.49) pro Tag mit WhatsApp, gefolgt von Instagram ( M = 57.97, SD = 78.76), Snapchat ( M = 53.71, SD = 65.40) und Facebook ( M = 55.48, SD = 84.74). Alle anderen Anwendungen wurden durchschnittlich weniger als 30 Minuten pro Tag genutzt.

Wir haben das Muster an der Universität Duisburg-Essen (Deutschland) über Mailinglisten, soziale Online-Netzwerke und Mundpropaganda rekrutiert. Die Studie wurde in einem Labor durchgeführt, individuell eingestellt. Zunächst wurden die Teilnehmer schriftlich über das Verfahren informiert und stimmten schriftlich zu. Wir haben sie gebeten, ihr Smartphone in den Flugmodus zu schalten und es während der Teilnahme in der Tasche zu behalten. Danach beantworteten die Teilnehmer Online-Fragebögen und führten ein Cue-Reaktivitäts-Paradigma sowie weitere experimentelle Paradigmen durch, die für das aktuelle Manuskript nicht relevant sind. Danach beantworteten die Teilnehmer weitere Online-Fragebögen wie die Langeweile-Vorherrschaftsskala, die Internet-Use-Expectancies-Skala oder den kurzen Internet-Abhängigkeitstest, die im Folgenden erläutert werden. Insgesamt dauerte die Studie etwa eine Stunde. Die Studierenden bekamen Kreditpunkte für ihre Teilnahme Die Ethikkommission der Universität Duisburg-Essen stimmte der Studie zu.

Instrumente

Modifizierte Version des kurzen Internetsuchtests für Internet-Kommunikationsstörung (s-IAT-ICD).

Tendenzen zu einer Internetabhängigkeit wurden mithilfe der Kurzversion des Internet Addiction Test (s-IAT) von Pawlikowski, Altstötter-Gleich [ 58 ] gemessen. Für diese Studie verwendeten wir die modifizierte Version für Internetabhängigkeit (s-IAT-ICD) [ 15 ]. Die Skala erfasst subjektive Beschwerden im Alltag aufgrund der Nutzung von Online-Kommunikationsanwendungen. Zu Beginn wird der Begriff „Online-Kommunikationsanwendungen“ definiert. Die Anweisungen betonen, dass der Begriff sowohl die aktive (z. B. das Verfassen neuer Beiträge) als auch die passive (z. B. das Durchsuchen und Lesen neuer Beiträge) Nutzung von sozialen Netzwerken und Blogs wie Facebook, Twitter und Instagram sowie von Instant Messengern wie WhatsApp umfasst.

Die Teilnehmer müssen zwölf Punkte auf einer Fünf-Punkte-Likert-Skala bewerten (von 1 = „nie“ bis 5 = „sehr oft“). Es wurde eine Summenbewertung im Bereich von zwölf bis 60 berechnet. Bewertungen> 30 weisen auf eine problematische Verwendung von Online-Kommunikationsanwendungen hin, während Bewertungen> 37 auf eine pathologische Verwendung von Online-Kommunikationsanwendungen hinweisen. Der Fragebogen besteht aus zwei Faktoren (jeweils sechs Punkte): Kontrollverlust / Zeitmanagement (s-IAT-ICD 1: α = 849) und soziale Probleme / Verlangen (s-IAT-ICD 2: α = 708). Die interne Gesamtkonsistenz betrug α = 842. Beide Faktoren repräsentieren die latente Dimension von ICD im Strukturgleichungsmodell.

Queue-Reaktivität und Verlangen.

Zur Untersuchung von Reizreaktivität und Suchtverlangen wurde ein Reizreaktivitätsparadigma mit zwölf Bildern aus dem Bereich der Online-Kommunikation eingesetzt [ 34 , 59 ]. Die visuellen Reize zeigten verschiedene Smartphones, die Konversationen über unterschiedliche Online-Kommunikationsanwendungen darstellten. Die Stimuli wurden in einer früheren Studie von Wegmann und Stodt [ 34 ] vorgetestet und beschrieben. In der vorliegenden Studie bewerteten die Teilnehmenden jedes Bild hinsichtlich Erregung, Valenz und dem Drang zur Smartphone-Nutzung auf einer fünfstufigen Likert-Skala (von 1 = „keine Erregung/Valenz/kein Drang“ bis 5 = „hohe Erregung/Valenz/hoher Drang“). Die Reizpräsentation und die Bewertungen erfolgten mit Presentation® (Version 16.5, www.neurobs.com ).

Zusätzlich verwendeten wir den für die Smartphone-Nutzung modifizierten Fragebogen zum Alkoholverlangen [ 60 ], um das Verlangen nach Alkohol zu erfassen [ 34 ]. Der Fragebogen wurde vor und nach dem Reizreaktionsparadigma vorgelegt, um das basale Verlangen (DAQ-ICD-Baseline-Verlangen) sowie potenzielle Veränderungen des Verlangens nach Reizexposition (DAQ-ICD-Post-Verlangen) zu messen. Die Teilnehmenden bewerteten 14 Items (z. B. „Die Nutzung des Smartphones wäre jetzt befriedigend“) auf einer siebenstufigen Likert-Skala (von 0 = „stimme überhaupt nicht zu“ bis 6 = „stimme voll und ganz zu“). Nach Invertierung eines Items berechneten wir den Mittelwert [ 59 ]. Die interne Konsistenz betrug α = .851 für das DAQ-ICD-Baseline-Verlangen und α = .919 für das DAQ-ICD-Post-Verlangen. In den nachfolgenden Analysen wurden die DAQ-ICD-Nachverlangenskala und die Bewertungen des Cue-Reaktivitätsparadigmas verwendet, um die latente Dimension des cue-induzierten Verlangens im Strukturgleichungsmodell darzustellen.

Geänderte Version der Internet-Use Expectancies Scale für Online-Kommunikation (IUES).

Zur Erfassung der Erwartungen der Teilnehmenden hinsichtlich der Nutzung von Online-Kommunikationsanwendungen wurde die für Online-Kommunikation modifizierte Skala zur Messung von Erwartungen an die Internetnutzung (Internet-Use Expectancies Scale, IUES) [ 17 ] verwendet [ 16 ]. Der Fragebogen umfasst zwei Faktoren (jeweils sechs Items): positive Verstärkung (z. B. „Ich nutze Online-Kommunikationsanwendungen, um Freude zu erleben“; IUES positiv: α = .838) und Vermeidungserwartungen (z. B. „Ich nutze Online-Kommunikationsanwendungen, um mich von Problemen abzulenken“; IUES Vermeidung: α = .732). Die Teilnehmenden bewerteten jedes Item auf einer sechsstufigen Likert-Skala (von 1 = „stimme überhaupt nicht zu“ bis 6 = „stimme voll und ganz zu“). Basierend auf früheren Forschungsergebnissen und theoretischen Annahmen war für die nachfolgenden Analysen nur die Variable der Vermeidungserwartungen relevant.

Kurze Langeweile-Anfälligkeitsskala (BPS).

Zur Erfassung der Neigung zu Langeweile wurde die Short Boredom Proneness Scale (BPS) von Struk und Carriere [ 61 ] verwendet. Die Skala besteht aus acht Items (z. B. „Ich brauche mehr Stimulation, um in Schwung zu kommen als die meisten anderen“), die auf einer siebenstufigen Likert-Skala (von 1 = „stimme überhaupt nicht zu“ bis 7 = „stimme voll und ganz zu“) bewertet wurden. Es wurde ein Mittelwert berechnet. Die interne Konsistenz betrug α = .866.

Statistische Analysen

Die statistischen Analysen wurden mit SPSS 25.0 für Windows (IBM SPSS Statistics, Version 2017) durchgeführt. Zur Untersuchung bivariater Zusammenhänge zwischen zwei Variablen wurden Pearson-Korrelationen berechnet. Die Korrelationen wurden anhand von Effektstärken detaillierter interpretiert. Nach Cohen [ 62 ] deutet ein Pearson-Korrelationskoeffizient r ≥ 0,01 auf einen kleinen, r ≥ 0,03 auf einen mittleren und r ≥ 0,05 auf einen großen Effekt hin. Die Strukturgleichungsmodellanalysen (SEM) wurden mit Mplus 6 [ 63 ] durchgeführt. Zur Beurteilung der Modellgüte des Strukturgleichungsmodells (SEM) verwendeten wir den standardisierten mittleren quadratischen Residuenwert (SRMR; Werte < 0,08 deuten auf eine gute Anpassung an die Daten hin), den mittleren quadratischen Approximationsfehler (RMSEA; Werte < 0,08 deuten auf eine gute und < 0,10 auf eine akzeptable Anpassung an die Daten hin) sowie die Vergleichsgüteindizes CFI und TLI (Werte > 0,90 deuten auf eine akzeptable und > 0,95 auf eine gute Anpassung an die Daten hin) [ 64 , 65 ]. Zusätzlich führten wir den χ² - Test durch, um zu prüfen, ob die Daten vom definierten Modell abweichen. Um Messfehler im SEM weiter zu reduzieren, verwendeten wir die Methode des Item-Parceling für manifeste Variablen. Diese Methode ermöglicht die Bildung latenter Dimensionen für diese Variablen im SEM [ 66 , 67 ]. Daher prüften wir die Interkorrelationen zwischen den Items jeder Skala und bildeten anschließend zwei Faktoren für die latenten Dimensionen des IUES und des BPS.

Ergebnisse

Beschreibende Werte und multivariate Statistiken

Die Mittelwerte und Standardabweichungen aller Fragebögen sowie die Bewertungen des Cue-Reaktivitäts-Paradigmas sind in Tabelle 1 dargestellt . Die konstruierten Variablen der Item-Gruppierung sind als zusätzliche Werte aufgeführt. Tabelle 2 zeigt die bivariaten Korrelationen zwischen diesen Variablen. Basierend auf den Cut-off-Werten von Pawlikowski, Altstötter-Gleich [ 58 ] zeigten 23 Teilnehmer eine problematische und sieben Teilnehmer eine pathologische Nutzung von Online-Kommunikationsanwendungen. Dies ist mit subjektiven Beschwerden im Alltag aufgrund der Nutzung dieser Anwendungen verbunden und beschreibt Symptome einer Impulskontrollstörung (ICD).

Daumennagel

 

Tabelle 1. Mittelwerte, Standardabweichungen und Bereich der Bewertungen des s-IAT-ICD und der verwendeten Skalen.

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

Daumennagel

Herunterladen:

Powerpoint-Folie

größeres Bild

Original Bild

Tabelle 2. Bivariate Korrelationen zwischen den Scores des s-IAT-ICD und den verwendeten Skalen.

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

Das Strukturgleichungsmodell

Das hypothetische Strukturgleichungsmodell auf latenter Ebene zeigte eine hervorragende Übereinstimmung mit den Daten (SRMR = .029, CFI = .986, TLI = .972, RMSEA = .063, p = .299, BIC = 3962.65). Das χ2-Test zeigte auch eine gute Passform (χ2 = 22.25, p = .074, χ2/ df = 1.59). Alle definierten latenten Dimensionen wurden durch die verwendeten Manifestvariablen gut dargestellt. Im ersten Schritt zeigen die Ergebnisse, dass Langeweile anfällig ist (β = .384, SE = .096, p ≤ .001), durch ein Stichwort induziertes Verlangen (β = .414, SE = .102, p ≤ .001) und Vermeidungserwartungen (β = .255, SE = .109, p = .011) waren signifikante Prädiktoren für ICD-Tendenzen. Langeweile-Anfälligkeit hatte auch einen direkten Einfluss auf das durch Cue induzierte Verlangen (β = .411, SE = .100, p ≤ .001) und Vermeidungserwartungen (β = .567, SE = .084, p ≤ .001). Darüber hinaus war die Erwartung der Vermeidung ein signifikanter Prädiktor für das durch Cue induzierte Verlangen (β = .361, SE = .107, p = .001). Die Wirkung der Langeweile-Anfälligkeit auf die Symptome eines ICD wurde durch ein durch das Stichwort induziertes Verlangen vermittelt (β = .170, SE = .058, p = .003) und durch Vermeidungserwartungen (β = .145, SE = .063, p = .021). Die Auswirkung der Vermeidungserwartung auf ICD-Tendenzen wurde auch durch ein durch das Stichwort induziertes Verlangen (β = .149, SE = .059, p = .011). Darüber hinaus wurde die Beziehung zwischen Langeweile und Symptomen eines ICD durch Vermeidungserwartungen und zusätzlich durch durch Anzeichen hervorgerufenes Verlangen (Langeweile, Vermeidungserwartung - Verlangen nach Erwartung) - ICD; β = .085, vermittelt. SE = .037, p = .021); Diese Vermittlung hatte jedoch nur eine geringe Wirkung. Insgesamt erklärte das analysierte Modell 81.60% der Varianz der ICD-Symptome signifikant. Abb 2 zeigt das Modell mit den Faktorladungen, β-Gewichten und Koeffizienten.

Daumennagel

Herunterladen:

Powerpoint-Folie

größeres Bild

Original Bild

Fig 2. Ergebnisse des Strukturgleichungsmodells.

Ergebnisse des Strukturgleichungsmodells mit ICD als abhängiger Variable einschließlich Faktorladungen auf den beschriebenen latenten Variablen und den zugehörigen β-Gewichten, p -Werten und Residuen.

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

Zusätzliche Analysen

Das zuvor beschriebene Modell basierte auf theoretischen Überlegungen und weiteren empirischen Nachweisen, wie zum Beispiel den Strukturgleichungsmodellen von Wegmann, Stodt [15] und Wegmann und Brand [8]. Trotzdem wollten wir das Modell anschließend für andere mögliche Einflussfaktoren steuern, um die zugrunde liegenden Mechanismen eines ICDs besser zu verstehen. Das erste Thema, das wir angesprochen haben, war die enge Verbindung von Langeweile mit Depressionen und Angstzuständen [35, 68, 69]. Eine aktuelle Studie von Elhai, Vasquez [42] zeigt, dass der Zusammenhang zwischen psychopathologischen Symptomen und problematischer Smartphone-Nutzung durch eine höhere Langeweile-Anfälligkeit vermittelt wird. Wir beurteilten psychopathologische Symptome wie Depressionen (M = 0.53, SD = 0.53), zwischenmenschliche Sensibilität (M = 0.72, SD = 0.64) und Angstzustände (M = 0.55, SD = 0.49) unter Verwendung des Fragebogens zur kurzen Symptombestandsaufnahme von Derogatis [70]. Da die variablen operationalisierenden psychopathologischen Symptome signifikant mit den anderen Variablen des aktuellen Modells korrelierten (alle rs ≤ .448, alles p(≤ .024), haben wir psychopathologische Symptome (Depression, zwischenmenschliche Sensibilität und Angstzustände) als weitere latente Dimension in das Modell aufgenommen. Basierend auf dem Vermittlungsmodell von Elhai, Vasquez [42] Wir haben geprüft, ob der Effekt der Langeweile-Anfälligkeit auf dem Konstrukt psychopathologischer Symptome beruht oder ob die Langeweile-Anfälligkeit ein eigenes statistisches Inkrement beschreibt, wie es in früheren Studien betont wurde [35, 42, 68].

Wie in Abb. 3 dargestellt , deuten die Ergebnisse darauf hin, dass psychopathologische Symptome eine entscheidende Rolle bei der Entwicklung und Aufrechterhaltung einer Impulskontrollstörung (ICD) spielen, was mit früheren Forschungsergebnissen übereinstimmt [ 8 , 15 , 42 ]. Die Relevanz der Langeweileanfälligkeit als wichtiger Prädiktor für ICD-Symptome verringert sich jedoch nicht signifikant, nachdem psychopathologische Symptome in das Strukturgleichungsmodell einbezogen wurden. Dies unterstreicht, dass Langeweileanfälligkeit und psychopathologische Symptome zwar verwandte, aber unabhängige Konstrukte sind, deren Einfluss auf die ICD-Tendenz durch kognitive und affektive Komponenten vermittelt wird. Die Ergebnisse des zusätzlichen Strukturgleichungsmodells mit Faktorladungen der beschriebenen latenten Variablen sowie den zugehörigen β-Gewichten, p -Werten und Residuen sind in Abb. 3 zusammengefasst.

Daumennagel

Fig 3. Ergebnisse des zusätzlichen Strukturgleichungsmodells.

Ergebnisse des Strukturgleichungsmodells mit psychopathologischen Symptomen als weiterer Prädiktorvariable einschließlich Faktorladungen auf den beschriebenen latenten Variablen und den dazugehörigen β-Gewichten, p -Werten und Residuen (Abkürzungen: PP = psychopathologische Symptome, BP = Langeweileanfälligkeit, AE = Vermeidungserwartungen, CRAV = cue-induziertes Verlangen, ICD = Internet-Kommunikationsstörung).

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

Wir berücksichtigten auch Alter und Geschlecht als potenzielle Variablen, die die Struktur des vorliegenden Modells beeinflussen könnten. Daher berechneten wir zunächst die Korrelationen zwischen dem Alter und allen anderen Variablen. Die Ergebnisse zeigen geringe Korrelationen (alle r ≤ -.376). Diese Korrelationen verdeutlichen ein bekanntes Muster: Jüngere Teilnehmende berichten aufgrund exzessiver Nutzung von Online-Kommunikationsanwendungen häufiger über subjektive Beschwerden im Alltag. Anschließend kontrollierten wir unsere Daten hinsichtlich Geschlechtsunterschieden mittels t-Tests für unabhängige Stichproben. Die Ergebnisse zeigten keinen signifikanten Unterschied zwischen männlichen und weiblichen Teilnehmenden ( p ≥ .319). Das Strukturgleichungsmodell mit zusätzlicher Analyse nach Geschlecht wurde mittels Mittelwertstrukturanalyse berechnet [ 71 ]. Die Fit-Indizes des Strukturgleichungsmodells weisen auf eine gute Anpassung an die Daten hin (CFI = .975, TLI = .961, SRMR = .060, RMSEA = .075, p = .194, BIC = 4050.63). Sowohl bei männlichen als auch bei weiblichen Teilnehmern fanden wir ähnliche Ergebnismuster. Die weiblichen Teilnehmer zeigten ähnliche Mediationseffekte wie im hypothetischen Strukturgleichungsmodell dargestellt. Bei den Männern fanden wir keinen direkten Effekt von Vermeidungserwartungen auf die Tendenz zu einer Impulskontrollstörung (β = .153, SE = .133, p = .249), keinen Mediationseffekt von Vermeidungserwartungen auf den Zusammenhang zwischen Langeweileanfälligkeit und Impulskontrollstörung (β = .029, SE = .030, p = .327) und keinen Mediationseffekt von Suchtverlangen auf den Zusammenhang zwischen Langeweileanfälligkeit und Symptomen einer Impulskontrollstörung (β = .073, SE = .065, p = .262). Aufgrund der geringen Stichprobengrößen, insbesondere der männlichen Stichprobe, sind die Ergebnisse mit Vorsicht zu interpretieren und sollten in weiteren Studien kontrolliert werden.

Diskussion

In der aktuellen Studie haben wir die Gültigkeit eines theoretischen Modells getestet, bei dem Wechselwirkungen zwischen Langeweile und affektiven und kognitiven Komponenten zur Erklärung der ICD-Symptome angenommen werden. Das Strukturgleichungsmodell auf latenter Ebene ergab eine hervorragende Anpassung an die Daten, wobei die Methode der Artikelparzellierung verwendet wurde, um Messfehler zu reduzieren. Insgesamt erklärt die Langeweile-Anfälligkeit und die Mediationswirkungen kognitiver und affektiver Komponenten, nämlich Vermeidungserwartung und Cue-induziertes Verlangen, 81.60 in% der Varianz der ICD-Symptome. Die Ergebnisse zeigen, dass Langeweile sich direkt auf die Entwicklung und Pflege eines ICD auswirkt. Es war ein signifikanter Prädiktor für die Erwartung, negative Emotionen zu vermeiden und der Realität sowie dem durch ein Stichwort hervorgerufenen Verlangen zu entfliehen. Diese affektiven und kognitiven Komponenten vermittelten die Auswirkung der Langeweile auf den ICD. Die Ergebnisse betonen ferner die Interaktion der genannten Mediatoren, da der Effekt der Vermeidungserwartung auf ICD-Symptome teilweise durch ein durch das Stichwort hervorgerufenes Verlangen verursacht wurde. Darüber hinaus wurde die Vermittlung von Vermeidungserwartungen in Bezug auf die Beziehung zwischen Langeweile und ICD-Symptomen durch ein durch das Stichwort hervorgerufenes Verlangen vermittelt.

Die Ergebnisse stützen die Hypothese, dass der Zusammenhang zwischen der Anfälligkeit für Langeweile als Teil der Persönlichkeitsmerkmale und dem Erleben negativer Folgen exzessiver Online-Kommunikationsanwendungen durch affektive und kognitive Reaktionen auf externe, kontextbezogene Reize vermittelt wird. Dazu gehören beispielsweise visuelle Hinweise auf Konversationen in verschiedenen Online-Kommunikationsanwendungen. Die vorliegenden Ergebnisse erweitern die Erkenntnisse früherer Studien, die bereits gezeigt haben, dass psychopathologische Symptome (wie Depressionen oder soziale Ängste) und Persönlichkeitsmerkmale (wie Stressanfälligkeit oder Selbstwertgefühl) einen Einfluss auf die Symptome der Impulskontrollstörung (ICD) haben. Dieser Einfluss wird durch spezifische Kognitionen (wie dysfunktionale Bewältigungsstrategien oder Erwartungen an die Internetnutzung) vermittelt [ 8 , 15 ]. Die Ergebnisse stimmen mit dem von Brand und Young [ 7 ] vorgeschlagenen theoretischen I-PACE-Modell überein. Zentral für das I-PACE-Modell ist der Einfluss der Persönlichkeitsmerkmale auf die subjektive Wahrnehmung einer Situation, beispielsweise bei der Konfrontation mit suchtbezogenen Reizen, persönlichen Konflikten oder Stress. Die subjektiv gefärbte Wahrnehmung situativer Elemente führt zu individuellen affektiven und kognitiven Reaktionen wie Reizreaktivität und Suchtverhalten, das als Wunsch nach der Nutzung einer bestimmten Anwendung und der Reduzierung negativer affektiver Zustände beschrieben wird [ 20 , 24 ]. Die Ergebnisse der vorliegenden Studie stützen diese Annahme, indem sie zeigen, dass Teilnehmende mit einer höheren Anfälligkeit für Langeweile (als eine der Kerncharakteristika einer Person) oder mit Schwierigkeiten bei der Aufmerksamkeitssteuerung gegenüber Reizen [ 35 ] ein höheres Risiko für exzessiven Gebrauch von Online-Kommunikationsanwendungen aufweisen. Diese Ergebnisse werden durch die Studie von Elhai und Vasquez [ 42 ] sowie durch unsere ergänzende Analyse untermauert, die hervorhebt, dass psychopathologische Symptome wie Depressionen, interpersonelle Sensibilität und Angstzustände zu einer höheren Anfälligkeit für Langeweile und einem höheren Risiko für pathologischen Gebrauch von Online-Kommunikationsanwendungen führen können. Dieses Verhalten wird verstärkt, wenn Personen mit spezifischen (Smartphone-bezogenen) Reizen konfrontiert werden und den Wunsch verspüren, das Smartphone oder eine bestimmte Kommunikationsanwendung zu nutzen. Es scheint eine Art automatische Gewohnheit zu sein, das Smartphone zu benutzen, nachdem man ein Symbol gesehen oder den Ton einer eingehenden Nachricht gehört hat [ 34 ]. Nutzer von Online-Kommunikationsanwendungen haben möglicherweise eine solche Gewohnheit entwickelt, um mit unangenehmen Gefühlen wie Langeweile umzugehen und so der erlebten Unterstimulation zu entfliehen [ 20 , 36 ].

Der Mediationseffekt der Vermeidungserwartungen auf den Zusammenhang zwischen Langeweileanfälligkeit und ICD-Symptomen stützt diese Annahme. Ähnlich wie bei reizinduziertem Verlangen zeigen die Ergebnisse, dass die Anfälligkeit für Langeweile zu Erwartungen führt, negative Emotionen online zu vermeiden und sich durch die Nutzung von Smartphones oder Online-Kommunikationsanwendungen von Problemen abzulenken. Dies steht im Einklang mit den Ergebnissen von Biolcati und Passini [ 48 ], die zeigen, dass der Zusammenhang zwischen Langeweileanfälligkeit und Rauschtrinken durch die Erwartung vermittelt wird, Unterstimulation und der Realität zu entfliehen. Die Autoren nehmen an, dass insbesondere Jugendliche, die in ihrer Freizeit anfälliger für Langeweile sind, erwarten, durch Alkoholkonsum negativen Emotionen zu entfliehen, was das Risiko für Rauschtrinken erhöht [ 48 ]. Risikoverhalten scheint eine Art maladaptiver Bewältigungsmechanismus zu sein, bei dem Individuen versuchen, Strategien zu finden, um die Anfälligkeit für Langeweile zu reduzieren [ 35 , 39 , 40 ]. Die Ergebnisse von Biolcati, Passini [ 48 ], Biolcati, Mancini [ 39 ] und Harris [ 40 ] veranschaulichen zentrale Annahmen des I-PACE-Modells, wie beispielsweise die Hypothese, dass Individuen versuchen, negativen Emotionen zu entfliehen oder mit abnormaler Stimmung umzugehen, insbesondere wenn sie mit suchtbezogenen Reizen konfrontiert werden. Dies kann zur Entscheidung für die Nutzung einer bestimmten Anwendung führen. Da Zhou und Leung [ 46 ] bereits den Zusammenhang zwischen Langeweileanfälligkeit und Spielen in sozialen Netzwerken beschrieben haben, präzisieren die vorliegenden Ergebnisse diese Beziehung. Das Erleben von Befriedigung oder Stimulation in einer Situation geringer Erregung kann als wichtiger Faktor beschrieben werden, der das Risiko der Nutzung bestimmter Online-Anwendungen erhöht, da die Erwartung besteht, negative affektive Zustände in ähnlichen Situationen wiederholt zu reduzieren. Dies steht im Einklang mit den Ergebnissen einer neurobildgebenden Studie von Montag und Markowetz [ 72 ], die die belohnenden Aspekte der Facebook-Nutzung über Smartphones und eine höhere Aktivierung des ventralen Striatums bei der Nutzung sozialer Netzwerke nachwiesen.

Das zweite Ziel der Studie war die Untersuchung der Wechselwirkung affektiver und kognitiver Reaktionen auf externe Reize. Frühere Studien untersuchten bereits die Relevanz von Reizreaktivität und Suchtverlangen [ 34 ] sowie von Erwartungen bezüglich der Internetnutzung [ 8 , 15 ] und insbesondere von Vermeidungserwartungen [ 16 ] für die Entwicklung und Aufrechterhaltung einer Internetnutzungsstörung. Die Bedeutung dieser beiden Konstrukte wurde bereits für spezifische Internetnutzungsstörungen wie die Internetkaufsucht oder pathologisches Kaufverhalten [ 18 , 59 ], die Internetpornografiesucht [ 29 ], die Internetspielsucht [ 30 , 73 , 74 ] oder die generalisierte (unspezifische) Internetnutzungsstörung [ 17 ] nachgewiesen. Unseres Wissens gab es bisher keine Studie, die die Wechselwirkung von reizinduziertem Suchtverlangen und Erwartungen bezüglich der Internetnutzung, wie im I-PACE-Modell [ 7 ] postuliert, untersucht hat . Die Autoren des I-PACE-Modells gehen davon aus, dass Erwartungen bezüglich der Internetnutzung das durch Reize ausgelöste Verlangen vorhersagen, welches wiederum die Symptome einer spezifischen Internetnutzungsstörung beeinflusst. Daher stellten wir die Hypothese auf, dass das durch Reize ausgelöste Verlangen als Mediator zwischen Erwartungen bezüglich der Internetnutzung (hauptsächlich Vermeidungserwartungen) und den Symptomen einer Internetnutzungsstörung fungiert. Diese Hypothese wird durch die vorliegenden Ergebnisse gestützt. Die Befunde deuten darauf hin, dass affektive und kognitive Komponenten miteinander interagieren, was zentrale Mechanismen des theoretischen Modells unterstreicht. Personen mit spezifischen internetbezogenen Kognitionen (z. B. Erwartungen, sich von Problemen abzulenken, der Realität zu entfliehen oder Einsamkeit zu vermeiden) scheinen anfälliger für suchtbezogene Reize zu sein und stärkere Verlangensreaktionen zu zeigen. Bezüglich der im I-PACE-Modell vorgeschlagenen Verstärkungsmechanismen wird angenommen, dass sich Personen für die Nutzung ihrer bevorzugten Anwendungen entscheiden, um sich von diesem negativen Zustand abzulenken und Befriedigung oder Kompensation zu erfahren. Dies erhöht das Risiko, die Kontrolle über die Internetnutzung zu verlieren [ 7 ]. Die Ergebnisse liefern erste Hinweise auf die Wechselwirkung zwischen affektiven und kognitiven Reaktionen auf externe und interne Reize. Da weitere Komponenten wie Aufmerksamkeitsverzerrungen und implizite Assoziationen sowie die Relevanz inhibitorischer Kontrolle und exekutiver Funktionen [ 7 ] eine Rolle spielen, müssen die Zusammenhänge zwischen diesen Faktoren genauer untersucht werden. Zukünftige Studien sollten sich daher nicht nur auf Impulskontrollstörungen, sondern auch auf andere spezifische Störungen der Internetnutzung konzentrieren.

Ausblick und Implikationen

Die Nutzung von Smartphones und Online-Kommunikationsanwendungen im Alltag scheint im Allgemeinen unproblematisch zu sein. Für die meisten Menschen ist es üblich, das Smartphone beispielsweise beim Warten auf andere oder auf den Zug zu nutzen. Turel und Bechara [ 75 ] verdeutlichen zudem die Relevanz von Impulsivität als Risikofaktor für eine Impulskontrollstörung (ICD). Insgesamt scheinen Online-Kommunikationsanwendungen ein Paradebeispiel für den Zusammenhang zwischen Langeweileanfälligkeit und pathologischem Gebrauch zu sein. Es ist anzunehmen, dass das Erleben von Befriedigung und Kompensation durch die Nutzung dieser Anwendungen ein Schlüsselmechanismus im Entwicklungsprozess einer ICD ist. Obwohl die Ergebnisse mit den theoretischen Annahmen des I-PACE-Modells von Brand und Young [ 7 ] übereinstimmen, sollten die Entwicklung von süchtigem Online-Kommunikationsverhalten und ICD-Symptomen sowie die Rolle von Langeweileanfälligkeit und affektiven und weiteren kognitiven Komponenten in Längsschnittstudien untersucht werden. Daher ist weitere Forschung, insbesondere zu spezifischen Verstärkungsmechanismen, erforderlich.

In Anbetracht dessen sollte die Forschung neben der Anfälligkeit für Langeweile auch die subjektiv wahrgenommene Situation berücksichtigen. Ben-Yehuda und Greenberg [ 76 ] wiesen bereits auf die Relevanz von situativer Langeweile als potenziellen Risikofaktor für die Entwicklung einer Smartphone-Sucht hin, was in weiteren Studien untersucht werden muss. Dies schließt die Erfahrung von Unterstimulation und Untererregung als kontextabhängigen Zustand ein [ 38 , 57 ]. Es ist anzunehmen, dass tatsächlich empfundene Langeweile eine weitere relevante Erklärung dafür ist, warum Menschen die automatische Gewohnheit entwickeln, das Smartphone in Situationen der Unterstimulation zu nutzen. Dies könnte durch die erlebte Befriedigung und Kompensation verstärkt werden und somit die Wahrscheinlichkeit erhöhen, das Smartphone in einer vergleichbaren Situation erneut zu nutzen. Zukünftige Studien sollten berücksichtigen, dass situative Faktoren wie die aktuelle Stimmung, persönliche Konflikte, tatsächlich empfundene Langeweile oder wahrgenommener Stress die kognitiven und affektiven Komponenten sowie die Entscheidung zur Nutzung einer bestimmten Anwendung beeinflussen können [ 7 , 77 ].

Angesichts der Tatsache, dass immer mehr Menschen im Alltag negative Folgen wie Konflikte mit Familie und Freunden oder berufliche Probleme aufgrund unkontrollierter Internetnutzung und der Nutzung bestimmter Anwendungen erleben, besteht ein zunehmender Bedarf an adäquaten und gezielten Interventionen. Im Kontext von Internetnutzungsstörungen und ihren spezifischen Formen wie der Internetabhängigkeit (ICD) hängt der Erfolg von Prävention und Intervention maßgeblich von der adäquaten Berücksichtigung relevanter Faktoren ab. Da persönliche Merkmale unter Umständen schwer veränderbar sind, sollten Interventionen sowohl moderierende als auch vermittelnde Aspekte berücksichtigen, um eine übermäßige Nutzung bestimmter Internetanwendungen zu verhindern [ 7 ]. In dieser Studie wurde hervorgehoben, dass Erwartungen, negative Gefühle online zu vermeiden, und reizinduzierte Suchtreaktionen eine vermittelnde Rolle bei der Entwicklung und Aufrechterhaltung einer ICD spielen. Die Nutzung spezifischer Erwartungen hinsichtlich der Internetnutzung zur Veränderung hinderlicher Kognitionen könnte ein erster Schritt hin zu einer funktionalen Internetnutzung sein. Menschen, die Langeweile schlecht ertragen oder besonders anfällig dafür sind, sollten lernen, dass das Internet oder die Smartphone-Nutzung nicht die einzige Möglichkeit ist, mit alltäglichen Situationen umzugehen, die von Unterforderung oder unangenehmen Gefühlen geprägt sind. Dieser Aspekt ist besonders wichtig, da die Erwartung, dass Online-Kommunikationsanwendungen eine Flucht vor realen Problemen ermöglichen, Suchtverhalten verstärken kann, wie aktuelle Ergebnisse zeigen – insbesondere bei bestimmten Reizen. Im Alltag können solche Reize beispielsweise darin bestehen, andere Personen mit dem Smartphone zu sehen oder eine eingehende Nachricht zu erhalten. Dies kann es Betroffenen zusätzlich erschweren, dem Drang zur Nutzung bestimmter Anwendungen zu widerstehen. Insgesamt kann dies zu einem Kontrollverlust über die Internetnutzung und damit zu negativen Folgen führen. Darüber hinaus sollte die Annäherung an Online-Kommunikationsanwendungen aufgrund von Suchtverhalten systematisch durch Trainingsprogramme reduziert werden, die den Betroffenen helfen, unkontrollierte Reaktionen auf bestimmte Reize zu vermeiden [ 7 ]. Die Wirksamkeit gängiger Trainingsmethoden, insbesondere im Hinblick auf eine Impulskontrollstörung (ICD), bedarf weiterer Untersuchungen.

Schließlich müssen wir einige Einschränkungen aufzeigen. Die Studie wurde mit einer Convenience-Stichprobe durchgeführt, die weder repräsentativ für die gesamte Bevölkerung ist, noch für behandlungssuchende Patienten mit einer Störung der Internetnutzung. Auf der Grundlage der aktuellen Ergebnisse erscheint es sinnvoll, die Wechselwirkung zwischen Langeweile, Verlangen und Nutzungserwartung in anderen Proben wie Jugendlichen und behandlungssuchenden Patienten zu untersuchen. Eine weitere Einschränkung ist, dass wir uns nur auf ICD konzentriert haben. Da andere Internetanwendungen auch verwendet werden können, um der Langeweile oder negativen Gefühle zu entgehen, sollte die Studie mit Stichproben wiederholt werden, die andere Wahlmöglichkeiten der ersten Wahl haben, wie z. B. Internet-Gaming, Internet-Shopping oder Internet-Pornografie.

Fazit

Die aktuelle Studie zielte darauf ab, theoretische Annahmen bezüglich der Entwicklung und Pflege eines ICD zu untersuchen. Basierend auf dem I-PACE-Modell wurde der Fokus auf die Vermittlung der Auswirkungen kognitiver und affektiver Komponenten, dh Vermeidungserwartungen und durch Cue induziertes Verlangen, auf die Beziehung zwischen den Kernmerkmalen einer Person und den ICD-Symptomen gelegt. Diese Studie untersuchte den Effekt der Langeweile-Anfälligkeit als eine Merkmalsvariable, die möglicherweise ICD-Symptome vorhersagt. Die aktuellen Ergebnisse zeigen, dass Langeweile eine wichtige Rolle bei der ICD spielen kann. Personen mit einer höheren Anfälligkeit für Langeweile haben eine höhere Erwartung, negative Gefühle durch die Verwendung von Online-Kommunikationsanwendungen zu vermeiden, was wiederum die negativen Folgen im täglichen Leben erhöht. Darüber hinaus ist das Vermeiden von Erwartungshaltungen mit einer höheren Erfahrung des Verlangens verbunden. Dies könnte auf eine potenziell höhere Anfälligkeit für Hinweise in Bezug auf die Internetkommunikation zurückzuführen sein, was es noch schwieriger macht, Online-Kommunikationsanwendungen nicht zu verwenden. Mit diesen Ergebnissen werden die zugrundeliegenden Mechanismen eines ICD zur Formerentlastung. Interventionsversuche, die darauf abzielen, eine unregulierte und exzessive Nutzung des Internets und seiner spezifischen Anwendungen zu verhindern, können möglicherweise optimiert werden, indem das Konzept der Langeweile-Anfälligkeit und ihre Wechselwirkung mit Queue-Reaktivität, Sehnsucht und Erwartung berücksichtigt werden.

Zusätzliche Informationen

S1 File.sav

 

A

B

C

D

E

F

G

H

I

J

K

L

M

N

O

P

Q

1

 Tabelle: Datenliste                                

2

 Sex Alter siatcom_g siatcom1 siatcom2 Ver_RA DAQPost BPS_mean IUE_SNne IUEco_a1 IUEco_a2 BPS_1 BPS_2 BSI_UiSk BSI_Depr BSI_Aeng BSI_Aggr

3

 2 24.00000000000 16.00 9.00 7.00 4 3.79 1.88 2.25 1.00 3.50 1.75 2.00 .50 .00 .17 .20

4

 2 23.00000000000 36.00 26.00 10.00 3 2.00 4.75 2.50 3.00 2.00 4.25 5.25 1.50 1.17 .33 .20

5

 2 27.00000000000 19.00 13.00 6.00 1 .00 3.63 1.75 2.50 1.00 3.25 4.00 .25 .33 .17 .20

6

 2 27.00000000000 19.00 11.00 8.00 4 2.00 4.25 3.75 4.50 3.00 4.50 4.00 .75 .83 1.17 .60

7

 2 28.00000000000 23.00 14.00 9.00 2 2.57 2.88 2.75 3.00 2.50 2.25 3.50 1.00 .83 1.17 1.00

8

 2 22.00000000000 12.00 6.00 6.00 1 .21 1.13 2.50 3.00 2.00 1.00 1.25 .00 .00 .17 .40

9

 2 22.00000000000 33.00 18.00 15.00 3 2.36 3.50 3.00 2.50 3.50 3.75 3.25 .00 .33 .50 .60

10

 2 20.00000000000 48.00 26.00 22.00 3 4.50 5.38 3.00 3.00 3.00 5.25 5.50 .00 .17 .00 .00

11

 2 18.00000000000 25.00 15.00 10.00 2 .36 2.75 4.75 4.50 5.00 2.50 3.00 .75 .33 .33 1.00

12

 2 54.00000000000 12.00 6.00 6.00 1 .00 2.00 2.50 2.00 3.00 2.50 1.50 .25 .00 .00 .60

13

 2 21.00000000000 33.00 21.00 12.00 2 1.14 4.00 3.00 2.50 3.50 3.25 4.75 .00 .67 .50 .40

14

 2 26.00000000000 19.00 13.00 6.00 1 .93 3.13 1.50 2.00 1.00 3.50 2.75 .00 .17 .33 .60

15

 2 24.00000000000 22.00 14.00 8.00 1 .93 2.38 2.00 1.50 2.50 2.25 2.50 1.75 .00 .50 .40

16

 2 21.00000000000 21.00 13.00 8.00 2 1.14 2.88 3.50 4.00 3.00 3.50 2.25 3.00 1.67 1.33 .60

17

 2 26.00000000000 26.00 15.00 11.00 2 2.29 4.13 2.25 2.50 2.00 4.75 3.50 .50 .50 .33 .20

18

 2 23.00000000000 32.00 19.00 13.00 2 1.07 4.63 4.50 4.50 4.50 4.75 4.50 .00 .33 .17 .40

19

 2 57.00000000000 12.00 6.00 6.00 1 .00 1.75 1.25 1.50 1.00 1.75 1.75 .75 .50 .00 .00

20

 2 21.00000000000 21.00 10.00 11.00 2 .00 3.38 3.00 2.50 3.50 3.50 3.25 .50 .00 .17 1.00

21

 2 49.00000000000 12.00 6.00 6.00 1 .00 1.38 1.00 1.00 1.00 1.75 1.00 .50 .17 1.00 1.20

22

 2 42.00000000000 14.00 8.00 6.00 1 .00 1.38 1.00 1.00 1.00 1.50 1.25 .00 .00 .17 .00

23

 2 22.00000000000 33.00 22.00 11.00 3 2.14 3.13 4.50 5.50 3.50 3.50 2.75 .50 .33 .67 .20

24

 2 21.00000000000 31.00 18.00 13.00 2 1.43 2.50 1.50 2.00 1.00 2.00 3.00 .00 .50 .17 .40

25

 2 23.00000000000 30.00 22.00 8.00 2 .93 1.00 3.25 3.50 3.00 1.00 1.00 .50 .17 .17 .20

26

 2 28.00000000000 23.00 17.00 6.00 1 .14 1.63 2.25 2.00 2.50 2.00 1.25 .25 .33 .17 .40

27

 2 32.00000000000 27.00 14.00 13.00 1 .64 2.75 2.50 3.50 1.50 3.25 2.25 .50 1.00 .17 .20

28

 2 26.00000000000 16.00 7.00 9.00 1 .21 1.00 1.00 1.00 1.00 1.00 1.00 .00 .00 .83 .20

29

 2 37.00000000000 28.00 16.00 12.00 2 2.00 3.50 3.00 3.00 3.00 3.50 3.50 1.50 1.17 1.50 1.00

30

 2 29.00000000000 19.00 11.00 8.00 3 2.00 3.88 2.75 3.50 2.00 3.50 4.25 .25 1.83 .00 .20

31

 2 20.00000000000 39.00 22.00 17.00 2 2.00 4.13 3.50 3.50 3.50 4.50 3.75 1.25 .33 .33 1.80

32

 2 34.00000000000 14.00 8.00 6.00 1 .93 1.75 3.25 3.00 3.50 1.50 2.00 .50 .00 .33 .00

33

 2 24.00000000000 20.00 12.00 8.00 2 .43 1.63 1.00 1.00 1.00 1.75 1.50 .25 .00 .00 .40

34

 2 26.00000000000 35.00 20.00 15.00 2 1.79 5.88 2.50 3.00 2.00 5.75 6.00 3.00 1.33 1.33 2.40

35

 2 24.00000000000 31.00 16.00 15.00 3 2.71 3.38 4.25 4.50 4.00 3.50 3.25 .25 .33 .00 .20

36

 2 23.00000000000 34.00 20.00 14.00 3 2.36 3.75 4.75 5.50 4.00 3.75 3.75 .50 .33 .50 .00

37

 2 22.00000000000 23.00 13.00 10.00 2 2.36 2.50 2.75 3.00 2.50 3.75 1.25 .50 .33 .33 .60

38

 2 26.00000000000 20.00 13.00 7.00 2 1.36 1.75 2.25 1.50 3.00 2.25 1.25 .00 .50 .67 .00

39

 2 18.00000000000 19.00 12.00 7.00 1 .79 2.50 1.50 1.50 1.50 3.50 1.50 .00 .17 .17 .20

40

 2 28.00000000000 20.00 13.00 7.00 1 .21 4.25 4.25 4.50 4.00 5.00 3.50 1.00 .33 .50 .60

41

 2 27.00000000000 28.00 19.00 9.00 1 .14 3.00 3.00 2.50 3.50 2.75 3.25 .75 .50 .17 .40

42

 2 50.00000000000 14.00 8.00 6.00 1 .14 1.00 1.75 1.50 2.00 1.00 1.00 .25 .17 .17 .00

43

 2 23.00000000000 28.00 21.00 7.00 2 1.79 1.63 2.00 2.50 1.50 1.75 1.50 .50 .17 .50 .20

44

 2 27.00000000000 29.00 14.00 15.00 1 2.64 2.38 2.25 2.00 2.50 3.25 1.50 1.75 .33 1.17 1.00

45

 2 21.00000000000 26.00 15.00 11.00 2 1.71 2.88 3.25 2.50 4.00 3.75 2.00 .50 .17 .67 .40

46

 2 34.00000000000 22.00 11.00 11.00 1 1.21 1.75 2.25 2.00 2.50 2.00 1.50 .00 .00 .33 .00

47

 2 31.00000000000 14.00 8.00 6.00 1 .00 1.25 1.00 1.00 1.00 1.25 1.25 .00 .00 .17 .20

48

 2 27.00000000000 25.00 12.00 13.00 1 .21 3.63 1.75 1.50 2.00 4.25 3.00 .75 .67 .33 .80

49

 2 21.00000000000 33.00 23.00 10.00 1 .71 3.13 4.00 4.00 4.00 2.75 3.50 1.50 1.83 1.17 1.40

50

 2 20.00000000000 20.00 10.00 10.00 1 .00 1.63 2.50 2.00 3.00 1.75 1.50 .00 .17 .17 .20

Feigenanteil​

 

Herunterladen

Datensatz_PoNE-D-17-41307R2.sav.

Diese Datei ist der Datensatz der aktuellen Studie und enthält alle Variablen und Informationen für die durchgeführten Analysen.

(SAV)

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

Diese Datei ist der Datensatz der aktuellen Studie und enthält alle Variablen und Informationen für die durchgeführten Analysen.

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

(SAV)

Referenzen

  1. 1. Statista. Anzahl der Smartphone-Benutzer weltweit von 2014 bis 2020 (in Milliarden) 2017 [zitiert 2017 22 / 11 / 2017].
  2. 2. Kuss DJ, Griffiths MD. Online Social Networking und Sucht: Ein Überblick über die psychologische Literatur. Internationale Zeitschrift für Umweltforschung und Public Health. 2011; 8: 3528 – 52. pmid: 22016701
  3. 3. Amichai-Hamburger Y, Vinitzky G. Einsatz und Persönlichkeit in sozialen Netzwerken. Computer im menschlichen Verhalten. 2010; 26 (6): 1289 – 95.
  4. Artikel ansehen
  5. Google Scholar
  6. 4. Statista. Anzahl der monatlich aktiven WhatsApp-Benutzer weltweit von April 2013 bis Juli 2017 (in Millionen) 2017 [zitiert 2017 22 / 11 / 2017].
  7. 5. Statista. Anzahl der monatlich aktiven Facebook-Nutzer weltweit ab 3rd Quartal 2017 (in Millionen) 2017 [zitiert 2017 22 / 11 / 2017].
  8. Artikel ansehen
  9. PubMed / NCBI
  10. Google Scholar
  11. Artikel ansehen
  12. PubMed / NCBI
  13. Google Scholar
  14. Artikel ansehen
  15. PubMed / NCBI
  16. Google Scholar
  17. Artikel ansehen
  18. PubMed / NCBI
  19. Google Scholar
  20. Artikel ansehen
  21. Google Scholar
  22. Artikel ansehen
  23. PubMed / NCBI
  24. Google Scholar
  25. Artikel ansehen
  26. Google Scholar
  27. Artikel ansehen
  28. PubMed / NCBI
  29. Google Scholar
  30. Artikel ansehen
  31. Google Scholar
  32. Artikel ansehen
  33. PubMed / NCBI
  34. Google Scholar
  35. Artikel ansehen
  36. PubMed / NCBI
  37. Google Scholar
  38. Artikel ansehen
  39. Google Scholar
  40. Artikel ansehen
  41. PubMed / NCBI
  42. Google Scholar
  43. Artikel ansehen
  44. PubMed / NCBI
  45. Google Scholar
  46. Artikel ansehen
  47. Google Scholar
  48. Artikel ansehen
  49. PubMed / NCBI
  50. Google Scholar
  51. Artikel ansehen
  52. PubMed / NCBI
  53. Google Scholar
  54. Artikel ansehen
  55. PubMed / NCBI
  56. Google Scholar
  57. Artikel ansehen
  58. Google Scholar
  59. Artikel ansehen
  60. PubMed / NCBI
  61. Google Scholar
  62. Artikel ansehen
  63. PubMed / NCBI
  64. Google Scholar
  65. Artikel ansehen
  66. PubMed / NCBI
  67. Google Scholar
  68. Artikel ansehen
  69. PubMed / NCBI
  70. Google Scholar
  71. Artikel ansehen
  72. PubMed / NCBI
  73. Google Scholar
  74. Artikel ansehen
  75. PubMed / NCBI
  76. Google Scholar
  77. Artikel ansehen
  78. PubMed / NCBI
  79. Google Scholar
  80. Artikel ansehen
  81. PubMed / NCBI
  82. Google Scholar
  83. Artikel ansehen
  84. PubMed / NCBI
  85. Google Scholar
  86. Artikel ansehen
  87. Google Scholar
  88. Artikel ansehen
  89. Google Scholar
  90. Artikel ansehen
  91. Google Scholar
  92. Artikel ansehen
  93. PubMed / NCBI
  94. Google Scholar
  95. Artikel ansehen
  96. Google Scholar
  97. Artikel ansehen
  98. PubMed / NCBI
  99. Google Scholar
  100. Artikel ansehen
  101. Google Scholar
  102. Artikel ansehen
  103. Google Scholar
  104. Artikel ansehen
  105. Google Scholar
  106. Artikel ansehen
  107. PubMed / NCBI
  108. Google Scholar
  109. Artikel ansehen
  110. Google Scholar
  111. Artikel ansehen
  112. PubMed / NCBI
  113. Google Scholar
  114. Artikel ansehen
  115. Google Scholar
  116. Artikel ansehen
  117. Google Scholar
  118. Artikel ansehen
  119. PubMed / NCBI
  120. Google Scholar
  121. Artikel ansehen
  122. PubMed / NCBI
  123. Google Scholar
  124. Artikel ansehen
  125. PubMed / NCBI
  126. Google Scholar
  127. Artikel ansehen
  128. PubMed / NCBI
  129. Google Scholar
  130. Artikel ansehen
  131. PubMed / NCBI
  132. Google Scholar
  133. Artikel ansehen
  134. PubMed / NCBI
  135. Google Scholar
  136. Artikel ansehen
  137. Google Scholar
  138. Artikel ansehen
  139. Google Scholar
  140. Artikel ansehen
  141. Google Scholar
  142. Artikel ansehen
  143. PubMed / NCBI
  144. Google Scholar
  145. Artikel ansehen
  146. Google Scholar
  147. Artikel ansehen
  148. PubMed / NCBI
  149. Google Scholar
  150. Artikel ansehen
  151. Google Scholar
  152. Artikel ansehen
  153. PubMed / NCBI
  154. Google Scholar
  155. 6. Junge KS, Pistner M, O'Mara J, Buchanan J. Cyber-Störungen: Das Problem der psychischen Gesundheit für das neue Jahrtausend. Cyberpsychologie und Verhalten. 1999; 2: 475–9. pmid: 19178220
  156. 7. Brand M, Young KS, Laier C, Wölfling K, Potenza MN. Integration psychologischer und neurobiologischer Überlegungen hinsichtlich der Entwicklung und Aufrechterhaltung spezifischer Internetnutzungsstörungen: Ein Interaktionsmodell von Person-Affect-Cognition-Execution (I-PACE). Neurowissenschaften und Biobehavioral Reviews. 2016; 71: 252 – 66. pmid: 27590829
  157. 8. Wegmann E, Brand M. Internet-Kommunikationsstörung: Es ist eine Frage der sozialen Aspekte, der Bewältigung und der Internetnutzungserwartung. Grenzen in der Psychologie. 2016; 7 (1747): 1 – 14. pmid: 27891107
  158. Artikel ansehen
  159. Google Scholar
  160. Artikel ansehen
  161. PubMed / NCBI
  162. Google Scholar
  163. Artikel ansehen
  164. Google Scholar
  165. Artikel ansehen
  166. PubMed / NCBI
  167. Google Scholar
  168. Artikel ansehen
  169. Google Scholar
  170. 9. Choi SW, Kim DJ, Choi JS, Choi EJ, Song WY, Kim S. et al. Vergleich der Risiko- und Schutzfaktoren im Zusammenhang mit der Smartphone-Sucht und der Internet-Abhängigkeit. Journal of Behavioral Addictions. 2015; 4 (4): 308 – 14. pmid: 26690626
  171. Artikel ansehen
  172. PubMed / NCBI
  173. Google Scholar
  174. Artikel ansehen
  175. PubMed / NCBI
  176. Google Scholar
  177. Artikel ansehen
  178. PubMed / NCBI
  179. Google Scholar
  180. Artikel ansehen
  181. PubMed / NCBI
  182. Google Scholar
  183. Artikel ansehen
  184. Google Scholar
  185. Artikel ansehen
  186. Google Scholar
  187. Artikel ansehen
  188. PubMed / NCBI
  189. Google Scholar
  190. 10. Montag C, Blaszkiewicz K, Sariyska R, Lachmann B, Andone I, Trendafilov B et al. Smartphone-Nutzung im 21st-Jahrhundert: Wer ist auf WhatsApp aktiv? BMC Research Notes. 2015; 8: 1 – 6.
  191. 11. Marke M, Young KS, Laier C. Präfrontale Kontrolle und Internetabhängigkeit: Ein theoretisches Modell und eine Überprüfung neuropsychologischer und neuroimaginger Ergebnisse. Grenzen in der Human-Neurowissenschaft. 2014; 8 (375): 1 – 36. pmid: 24904393
  192. 12. Davis RA. Ein kognitiv-verhaltensorientiertes Modell der pathologischen Internetnutzung. Computer im menschlichen Verhalten. 2001; 17: 187 – 95.
  193. 13. Spada MM. Eine Übersicht über die problematische Internetnutzung. Suchtverhalten. 2014; 39: Epub vor Druck. 3 – 6. pmid: 24126206
  194. 14. Billieux J, Maurage P, Lopez-Fernandez O, Kuss DJ, Griffiths MD. Kann ungeordnete Nutzung von Mobiltelefonen als Verhaltenssucht angesehen werden? Ein Update zu aktuellen Erkenntnissen und ein umfassendes Modell für die zukünftige Forschung. Aktuelle Suchtberichte. 2015; 2 (2): 156 – 62.
  195. 15. Wegmann E, Stodt B, Brand M. Die süchtig machende Nutzung sozialer Netzwerkseiten lässt sich durch das Zusammenspiel von Internetnutzungserwartung, Internetkompetenz und psychopathologischen Symptomen erklären. Journal of Behavioral Addictions. 2015; 4 (3): 155 – 62. pmid: 26551905
  196. 16. Wegmann E, Oberst U, Stodt B, Marke M. Online-spezifische Angst vor Ausfällen und Internetnutzungserwartungen tragen zu Symptomen einer Internet-Kommunikationsstörung bei. Berichte über süchtig machende Verhaltensweisen. 2017; 5: 33 – 42. pmid: 29450225
  197. 17. Brand M, Laier C, Young KS. Internetsucht: Bewältigungsstile, Erwartungen und Auswirkungen auf die Behandlung. Grenzen in der Psychologie. 2014; 5: 1 – 14.
  198. 18. Trotzke P, Starcke K, Müller A, Brand M. Pathologischer Kauf als spezifische Form der Internetsucht: Eine modellbasierte experimentelle Untersuchung. Plus eins. 2015; 10 (10): e0140296. pmid: 26465593
  199. 19. Sayette MA. Die Rolle des Verlangens bei Störungen des Substanzgebrauchs: Theoretische und methodologische Fragen. Jährliche Überprüfung der klinischen Psychologie. 2016; 12: 407 – 33. pmid: 26565121.
  200. 20. Hormes JM. Die klinische Bedeutung des Verlangens im Suchtverhalten: Eine Überprüfung. Aktuelle Suchtberichte. 2017; 4 (2): 132 – 41.
  201. 21. Bechara A. Entscheidungsfindung, Impulskontrolle und Willenskraftverlust gegen Drogen: Eine neurokognitive Perspektive. Natur Neurowissenschaften. 2005; 8: 1458 – 63. pmid: 16251988
  202. 22. Carter BL, Tiffany ST. Metaanalyse der Queue-Reaktivität in der Suchtforschung. Sucht. 1999; 94: 327 – 40. pmid: 10605857
  203. 23. MD Skinner, Aubin HJ. Craving-Platz in der Suchttheorie: Beiträge der wichtigsten Modelle. Neurowissenschaften und Biobehavioral Reviews. 2010; 34: 606 – 23. pmid: 19961872
  204. 24. Drummond DC. Theorien über Drogensucht, alt und modern. Sucht (Abingdon, England). 2001; 96: 33 – 46.
  205. 25. Schiebener J, Laier C, Brand M. Mit Pornografie feststecken? Die Überforderung oder Vernachlässigung von Cybersex-Hinweisen in einer Multitasking-Situation hängt mit den Symptomen der Cybersex-Abhängigkeit zusammen. Journal of Behavioral Addictions. 2015; 4 (1): 14 – 21. pmid: 25786495
  206. 26. Niu GF, Sun XJ, Subrahmanyam K, Kong FC, Tian Y, Zhou ZK. Cue-induziertes Verlangen nach Internet unter Internet-Abhängigen. Suchtverhalten. 2016; 62: 1 – 5. pmid: 27305097
  207. 27. Tiffany ST, Wray JM. Die klinische Bedeutung des Drangens nach Drogen. Annalen der New York Academy of Sciences. 2012; 1248: 1 – 17. pmid: 22172057
  208. 28. Snagowski J, Brand M. Die Symptome der Cybersex-Sucht können sowohl mit der Annäherung als auch mit der Vermeidung von pornographischen Stimuli in Verbindung gebracht werden: Ergebnisse einer analogen Stichprobe normaler Cybersex-Benutzer. Grenzen in der Psychologie. 2015; 6: 653. pmid: 26052292
  209. 29. Laier C, Pawlikowski M, Pekal J, Schulte FP, Brand M. Cybersex-Sucht: Erfahrene sexuelle Erregung beim Anschauen von Pornografie und nicht die realen sexuellen Kontakte machen den Unterschied. Journal of Behavioral Addictions. 2013; 2: 100 – 7. pmid: 26165929
  210. 30. Thalemann R, Wölfling K, Grüsser SM. Spezifische Cue-Reaktivität auf Computerspiel-Cues bei übermäßigen Spielern. Behavioral Neuroscience. 2007; 121: 614 – 8. pmid: 17592953
  211. 31. Liu L, Yip SW, Zhang JT, Wang LJ, Shen ZJ, Liu B, et al. Aktivierung des ventralen und dorsalen Striatum während der Reaktion auf das Verhalten bei Internet-Gaming-Störungen. Suchtbiologie. 2017; 3 (2): 791 – 801. pmid: 26732520.
  212. 32. Park CB, Park SM, Gwak AR, Sohn BK, Lee JY, Jung HY, et al. Der Effekt der wiederholten Exposition mit virtuellen Glücksspiel-Hinweisen auf den Spieldrang. Suchtverhalten. 2015; 41: 61 – 4. pmid: 25306387
  213. 33. Fernie BA, Caselli G., Giustina L., Donato G., Marcotriggiani A., Spada MM. Wunschdenken als Prädiktor für Glücksspiele. Suchtverhalten. 2014; 39: 793 – 6. pmid: 24531634
  214. 34. Wegmann E, Stodt B, Brand M. Cue-induziertes Verlangen nach Internet-Kommunikationsstörungen unter Verwendung visueller und auditorischer Cues in einem Cue-Reaktivitäts-Paradigma. Suchtforschung & Theorie. 2017: Epub vor Druck.
  215. 35. LePera N. Beziehungen zwischen Langeweile, Achtsamkeit, Angstzuständen, Depressionen und Substanzgebrauch. Das New School Psychology Bulletin. 2011; 8 (2): 15 – 23.
  216. 36. Iso-Ahola SE, Weissinger E. Wahrnehmung von Langeweile in der Freizeit: Konzeptualisierung, Zuverlässigkeit und Gültigkeit der Leisure-Langeweile-Skala. Zeitschrift für Freizeitforschung. 1990; 22 (1): 1 – 17.
  217. 37. Lin CH, Lin SL, Wu CP. Die Auswirkungen der elterlichen Kontrolle und der Langeweile der Freizeit auf die Internetsucht von Jugendlichen. Jugend. 2009; 44 (176): 993 – 1004. Epub 2009 / 01 / 01. pmid: 20432612.
  218. 38. Brissett D, Schnee RP. Langeweile: Wo die Zukunft nicht ist. Symbolische Interaktion. 1993; 16 (3): 237 – 56.
  219. 39. Biolcati R, Mancini G, Trombini E. Anfälligkeit für Langeweile und Risikoverhalten in der Freizeit von Jugendlichen. Psychologische Berichte. 2017: 1 – 21. Epub 2017 / 08 / 05. pmid: 28776483.
  220. 40. Harris MB. Korrelate und Merkmale der Langeweile Anfälligkeit und Langeweile. Zeitschrift für Angewandte Sozialpsychologie. 2000; 30 (3): 576 – 98.
  221. 41. Mikulas WL, Vodanovich SJ. Die Essenz der Langeweile. Die psychologische Aufzeichnung. 1993; 43 (1): 3 – 12.
  222. 42. Elhai JD, Vasquez JK, Lustgarten SD, Levine JC, Halle BJ. Die Anfälligkeit für Langeweile vermittelt Beziehungen zwischen problematischem Smartphone-Einsatz mit Depression und Schwere der Angstzustände. Sozialwissenschaftliche Computerprüfung. 2017: 1 – 14.
  223. 43. Wiesner M, Windle M, Freeman A. Arbeitsstress, Substanzkonsum und Depression bei jungen erwachsenen Arbeitern: Eine Untersuchung des Haupt- und Moderatoreffektmodells. Zeitschrift für Arbeitspsychologie. 2005; 10 (2): 83 – 96. pmid: 15826220.
  224. 44. Anshel MH. Eine Umfrage unter Spitzensportlern zu den wahrgenommenen Ursachen des Konsums verbotener Drogen im Sport. Journal des Sportverhaltens. 1991; 14 (4): 283 – 310.
  225. 45. Thackray RI. Der Stress von Langeweile und Monotonie: Eine Betrachtung der Beweise. Psychosomatik. 1981; 43 (2): 165 – 76. pmid: 7267937.
  226. 46. Zhou SX, Leung L. Befriedigung, Einsamkeit, Langeweile und Selbstwertgefühl als Prädiktoren für SNS-Spielsucht und Nutzungsmuster bei chinesischen Studenten. Internationale Zeitschrift für Cyberverhalten, Psychologie und Lernen. 2012; 2 (4): 34 – 48.
  227. 47. Caldwell LL., Smith EA. Gesundheitsverhalten von Freizeit entfremdeten Jugendlichen. Loisir et Société / Gesellschaft und Freizeit. 1995; 18 (1): 143 – 56.
  228. 48. Biolcati R, Passini S, Mancini G. „Ich kann die Langeweile nicht ertragen.“ Binge-Trinkerwartung in der Pubertät. Berichte über süchtig machende Verhaltensweisen. 2016; 3 (Ergänzung C): 70 – 6. pmid: 29532002
  229. 49. Blaszczynski A, McConaghy N, Frankova A. Langeweile Anfälligkeit im pathologischen Glücksspiel. Psychologische Berichte. 1990; 67 (1): 35 – 42. Epub 1990 / 08 / 01. pmid: 2236416.
  230. 50. Fortune EE, Goodie AS. Die Beziehung zwischen pathologischem Glücksspiel und Sensationssuche: Die Rolle von Subskalenwerten. Zeitschrift für Glücksspielstudien. 2010; 26 (3): 331 – 46. pmid: 19943092.
  231. 51. Zuckerman M, Eysenck S, Eysenck HJ. Sensationssuche in England und Amerika: Vergleiche zwischen verschiedenen Kulturen, Altersgruppen und Geschlechtern. Zeitschrift für Beratung und klinische Psychologie. 1978; 46 (1): 139 – 49. Epub 1978 / 02 / 01. pmid: 627648.
  232. 52. Neubaum G, Krämer NC. Meine Freunde direkt neben mir: Eine Laboruntersuchung zu Prädiktoren und Folgen von sozialer Nähe auf sozialen Netzwerkseiten. CyberPsychologie, Verhalten und soziale Vernetzung. 2015; 18 (8): 443 – 9. pmid: 26252929
  233. 53. Lin CH, Yu SF. Jugendliche Internetnutzung in Taiwan: Untersuchung der geschlechtsspezifischen Unterschiede. Jugend. 2008; 43 (170): 317 – 31. pmid: 18689104.
  234. 54. Rahmani S., Lavasani MG. Die Beziehung zwischen Internetabhängigkeit mit Sensationssuche und Persönlichkeit. Procedia - Sozial- und Verhaltenswissenschaften. 2011; 30 (Ergänzung C): 272 – 7.
  235. 55. Chaney MP, Chang CY. Ein Trio von Turbulenzen für sexuell süchtige Männer im Internet, die Sex mit Männern haben: Langeweile, soziale Verbundenheit und Dissoziation. Sexuelle Sucht & Zwanghaftigkeit. 2005; 12 (1): 3–18.
  236. 56. Velezmoro R, Lacefield K, Roberti JW. Wahrgenommener Stress, Sensationssuche und Missbrauch des Internets durch Studenten. Computer im menschlichen Verhalten. 2010; 26 (6): 1526 – 30.
  237. 57. Weybright EH, Caldwell LL, Ram N., Smith EA, Wegner L. Langeweile neigt oder nichts zu tun? Unterscheidung zwischen staatlicher und charakteristischer Freizeit-Langeweile und ihrer Verbindung mit Substanzgebrauch bei Jugendlichen in Südafrika. Freizeitwissenschaften. 2015; 37 (4): 311 – 31. pmid: 26085700.
  238. 58. Pawlikowski M, Altstötter-Gleich C, Marke M. Validierung und psychometrische Eigenschaften einer kurzen Version des Internet-Suchtests von Young. Computer im menschlichen Verhalten. 2013; 29: 1212 – 23.
  239. 59. Trotzke P, Starcke K, Pedersen A, Brand M. Queue-induziertes Verlangen im pathologischen Einkauf: Empirische Evidenz und klinische Implikationen. Psychosomatik. 2014; 76 (9): 694 – 700. pmid: 25393125.
  240. 60. Liebe A, James D, Willner P. Ein Vergleich zweier Fragebögen, die Alkohol begehren. Sucht (Abingdon, England). 1998; 93 (7): 1091 – 102.
  241. 61. Struk AA, Carriere JS, Cheyne JA, Danckert J. Eine kurze Skala für Langeweile. Bewertung. 2015; 24 (3): 346 – 59. pmid: 26467085.
  242. 62. Cohen J. Statistische Machtanalyse für die Verhaltenswissenschaften. 2 ed. Hillsdale, New Jersey: Erlbaum; 1988.
  243. 63. Muthén L, Muthén B. MPlus. Los Angeles: Muthén & Muthén; 2011.
  244. 64. Hu L, Bentler PM. Bewertung der Modellpassform In: Hoyle RH, Herausgeber. Probleme und Anwendungen der Modellierung von Strukturgleichungen. London: Sage Publications, Inc.; 1995. p. 76 – 99.
  245. 65. Hu L, Bentler PM. Cutoff-Kriterien für Fit-Indizes in der Kovarianzstrukturanalyse: konventionelle Kriterien gegenüber neuen Alternativen. Strukturgleichungsmodellierung: Ein multidisziplinäres Journal. 1999; 6: 1 – 55.
  246. 66. Marsh HW, Ludtke O, Nagengast B, Morin AJ, Von Davier M. Warum Artikelpakete (fast) nie angebracht sind: Zwei Fehler machen kein Recht - getarnte Falschangaben mit CFA-Modellen. Psychologische Methoden 2013; 18 (3): 257 – 84. pmid: 23834417.
  247. 67. Little TD, Cunningham WA, Shahar G, Widaman KF. Paketieren oder Paketieren: Erkundung der Frage, Abwägen der Verdienste. Strukturgleichungsmodellierung: Ein multidisziplinäres Journal. 2002; 9 (2): 151 – 73.
  248. 68. Sommers J, Vodanovich SJ. Langeweile Anfälligkeit: Seine Beziehung zu psychischen und körperlichen Gesundheitssymptomen. Zeitschrift für klinische Psychologie. 2000; 56 (1): 149 – 55. Epub 2000 / 02 / 08. pmid: 10661377.
  249. 69. Gordon A, Wilkinson R, McGown A, Jovanoska S. Die psychometrischen Eigenschaften der Langeweile-Proneness-Skala: Eine Überprüfung ihrer Gültigkeit. Psychologische Studien. 1997; 42 (2-3): 85-97.
  250. 70. Derogatis LR. Kurzinformation zu BSI Symptom Bestandsaufnahme: Handbuch für Verwaltung, Bewertung und Verfahren. 1993. Epub Third Edit.
  251. 71. Dimitrov DM. Gruppenvergleich zu latenten Variablen: Ein Ansatz für die Modellierung von Strukturgleichungen. Arbeit (Lesen, Masse). 2006; 26 (4): 429 – 36. Epub 2006 / 06 / 22. pmid: 16788262.
  252. 72. Montag C, Markowetz A, Blaszkiewicz K, Andone I, Lachmann B, Sariyska R, et al. Facebook-Nutzung auf Smartphones und Volumen der grauen Substanz des Nucleus Accumbens. Verhaltens-Hirnforschung. 2017; 329: 221 – 8. pmid: 28442353.
  253. 73. Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS. Gehirn korreliert das Verlangen nach Online-Spielen unter Cue-Exposition bei Personen mit Internetsucht und bei übergebenen Personen. Suchtbiologie. 2013; 18: 559 – 69. pmid: 22026537
  254. 74. Ko CH, Liu GC, Yen JY, Yen CF, Chen CS, Lin WC. Die Gehirneraktivierungen sowohl für durch das Stichwort induzierte Spieltriebe als auch für das Verlangen nach Rauchen sind bei den mit Internet-Spielsucht und Nikotinabhängigkeit komorbiden Personen der Fall. Journal für psychiatrische Forschung. 2013; 47 (4): 486 – 93. pmid: 23245948
  255. 75. Turel O, Bechara A. Auswirkungen der motorischen Impulsivität und der Schlafqualität auf das Fluchen, interpersonell abweichende und nachteilige Verhaltensweisen auf sozialen Online-Netzwerkseiten. Persönlichkeit und individuelle Unterschiede. 2017; 108: 91 – 7.
  256. 76. Ben-Yehuda L., Greenberg L., Weinstein A. Internetabhängigkeit unter Verwendung der Smartphone-Beziehungen zwischen Internetabhängigkeit, Häufigkeit der Smartphone-Nutzung und dem Geisteszustand männlicher und weiblicher Studenten. Journal of Reward Deficiency Syndrome & Addiction Science. 2016.
  257. 77. MP Tavolacci, Ladner J, Grigioni S, Richard L., Villet H, Dechelotte P. Prävalenz und Assoziation von wahrgenommenem Stress, Substanzgebrauch und Verhaltensabhängigkeiten: Eine Querschnittsstudie unter Universitätsstudenten in Frankreich, 2009 – 2011. BMC öffentliche Gesundheit. 2013; 13: 724. pmid: 23919651.