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

Abstrakt

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, Marke M (2018) Lohnt es sich, die Internetkommunikation zu nutzen, um der Langeweile zu entfliehen? Langeweile Anfälligkeit interagiert mit dem Ansprechen durch das Ansprechen von Sehnsucht und der Vermeidung von Symptomen bei der Erklärung der Symptome einer Internet-Kommunikationsstörung. PLoS ONE 13 (4): e0195742. https://doi.org/10.1371/journal.pone.0195742

Editor: Phil Reed, Swansea University, VEREINIGTES KÖNIGREICH

Empfangen: November 22, 2017; Akzeptiert: März 28, 2018; Veröffentlicht am: 19. April 2018

Copyright: © 2018 Wegmann et al. Dies ist ein Open-Access-Artikel, der unter den Bedingungen der veröffentlicht wird Creative Commons Attribution License, die uneingeschränkte Nutzung, Verbreitung und Reproduktion in jedem Medium erlaubt, vorausgesetzt, dass der ursprüngliche Autor und die Quelle gutgeschrieben werden.

Datenverfügbarkeit: Alle relevanten Daten sind in dem Papier und den Hintergrundinformationen enthalten.

Finanzierung: Die Autoren erhielten keine spezifische Finanzierung für diese Arbeit.

Konkurrierende Interessen: Die Autoren haben erklärt, dass keine konkurrierenden Interessen bestehen.

Einleitung

Mit der Einführung des Smartphones vor mehr als zehn Jahren steigt die Zahl der Menschen, die es im Alltag nutzen. Es wird prognostiziert, dass die Anzahl der Smartphone-Benutzer weltweit bei 2.32 eine Milliarde 2017 erreichen wird und 2.87 Milliarden Benutzer bei 2020 erreichen wird.1]. Zu den beliebtesten Online-Anwendungen, die auf dem Smartphone verwendet werden, zählen Online-Kommunikationsanwendungen. Sie ermöglichen Benutzern den direkten Kontakt mit anderen, um mit entfernten Freunden in Verbindung zu bleiben und persönliche Informationen, Bilder oder Videos zu teilen.2, 3]. Der Begriff "Online-Kommunikationsanwendungen" umfasst sehr beliebte Anwendungen wie den Instant-Messaging-Dienst WhatsApp mit monatlich mehr als 1.3 Milliarden aktiven Benutzern.4] oder soziale Netzwerkdienste wie Facebook mit monatlich aktiven 2-Milliarden-Nutzern [5]. Neben vielen Vorteilen der Internetkommunikation und der Verwendung von Smartphones im Allgemeinen gibt es immer mehr Menschen, die negative Folgen aufgrund einer übermäßigen und zeitaufwändigen Verwendung dieser Anwendungen haben [2, 6-8]. Insbesondere die Verfügbarkeit verschiedener mobiler Geräte und der einfache und dauerhafte Zugriff auf solche Anwendungen ermöglichen es Menschen, den ganzen Tag über mit anderen zu kommunizieren und zu kommunizieren - jederzeit und überall. [9, 10]. Dieses Verhalten kann zu einer pathologischen und zwanghaften Anwendung führen, die mit anderen Verhaltensabhängigkeiten oder Störungen des Substanzgebrauchs vergleichbar ist, wie dies von verschiedenen Studien und Forschern vorgeschlagen wurde [7, 8].

Kognitive und affektive Korrelate von Internet-Kommunikationsstörungen

Die zunehmende Nutzung des Internets auf der ganzen Welt führt zu immer mehr Studien, die sich mit der Störung der Internetnutzung als einer bestimmten Art von Verhaltenssucht befassen.2, 7, 11]. Einige Studien deuten darüber hinaus auf eine bestimmte Art der Internet-Nutzungsstörung hin, die Internet-Kommunikationsstörung (ICD). ICD beschreibt den süchtig machenden Einsatz von Online-Kommunikationsanwendungen [6-8, 12]. Symptome eines ICD, die sich aus den Merkmalen einer Internetnutzungsstörung ergeben, sind definiert als Kontrollverlust, Rückfall, Entzugserscheinungen, Beschäftigung, Vernachlässigung von Interessen, Toleranz und negativen Folgen im sozialen, beruflichen oder persönlichen Leben [6, 7, 13, 14]. Davis [12] bot das erste theoretische Modell an, das die Mechanismen einer unspezifischen pathologischen Nutzung des Internets sowie einer bestimmten Störung der Internetnutzung beschreibt. In jüngerer Zeit, Brand, Young [7] führte ein neues theoretisches Modell ein, das Interaction of Person-Affect-Cognition-Execution-Modell (I-PACE), das mögliche Mechanismen der Entwicklung und Aufrechterhaltung bestimmter Störungen der Internetnutzung wie ICD zusammenfasst. Das I-PACE-Modell veranschaulicht die Interaktion der Kernmerkmale einer Person sowie affektiver, kognitiver und ausführender Komponenten. Es legt nahe, dass die Kernmerkmale einer Person 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 suchtabhängigen Hinweisen, Stress, persönlichen Konflikten, abnorme Stimmung sowie durch individuelle affektive und kognitive Reaktionen gebildet. Zu letzteren gehören Queue-Reaktivität, Sehnsucht, Aufmerksamkeitsverzerrung oder weitere kognitive Verzerrungen im Zusammenhang mit dem Internet und dysfunktioneller Bewältigungsstil. Es wird davon ausgegangen, dass diese individuellen affektiven und kognitiven Faktoren die Auswirkung der Kernmerkmale einer Person auf die Entwicklung und Aufrechterhaltung einer bestimmten Störung der Internetnutzung beeinträchtigen. Marke, jung [7] veranschaulichen, dass die Wirkung von affektiven und kognitiven Antworten mit ausführenden Faktoren wie hemmender Kontrolle in Wechselwirkung steht. Die Entscheidung, eine bestimmte Anwendung zu verwenden, um Befriedigung oder Entschädigung zu erfahren, kann dann zu einer übermäßigen Verwendung dieser Anwendung führen, wodurch bestimmte Prädispositionen sowie affektive, kognitive und exekutive Faktoren verstärkt werden, die einem Teufelskreis ähneln (für eine genauere Beschreibung) des Modells und einen detaillierten Überblick über empirische Studien, siehe [7]).

Frühere Studien haben bereits gezeigt, dass der Einfluss psychopathologischer Symptome wie Depressionen und soziale Angstzustände sowie der Einfluss von Persönlichkeitsaspekten wie Stressanfälligkeit, Selbstwertgefühl und Selbstwirksamkeit auf die Tendenzen eines ICD durch bestimmte Kognitionen vermittelt wird. wie einen gestörten Bewältigungsstil und die Erwartung der Internetnutzung [8, 15]. Wegmann, Oberst [16] zeigte, dass vor allem Vermeidungserwartungen, einschließlich des Wunsches, der Realität zu entfliehen, von Problemen des Alltags abzulenken oder Einsamkeit zu vermeiden, für die Erklärung von ICD-Symptomen relevant sind. Brand, Laier [17] sowie Trotzke, Starcke [18] zeigte, dass hohe Erwartungen an die Verwendung bestimmter Anwendungen als Möglichkeit, Vergnügen zu erleben oder von Problemen abzulenken, die Beziehung zwischen persönlichen Aspekten und einer allgemeinen (unspezifischen) Störung der Internetnutzung bzw. einer Internet-Einkaufsstörung 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 dieser affektiven (Queue-Reaktivität und Sehnsucht) und kognitiven (Internet-erwarteten) Komponenten bei der Entwicklung und Aufrechterhaltung einer bestimmten Internetnutzungsstörung hervorheben, wird das Zusammenspiel dieser Faktoren im I postuliert -PACE-Modell bleibt unklar. Die aktuelle Studie basiert auf einigen Hauptannahmen des I-PACE-Modells, insbesondere auf die Mediationswirkungen von affektiven und kognitiven Mechanismen auf die Beziehung zwischen den Kernmerkmalen einer Person und den Symptomen eines ICD. Das Ziel dieser Studie ist es, die Auswirkungen der Kernmerkmale einer Person auf die ICD zu untersuchen, die durch kognitive Verzerrungen im Zusammenhang mit dem Internet (z. B. Erwartung der Internetnutzung) und affektive Verzerrungen (z. B. durch ein Stichwort induziertes Verlangen) vermittelt wird. Basierend auf Wegmann, Oberst [16], gehen wir davon aus, dass der Effekt der Erwartung, negative Emotionen durch die Verwendung von Online-Kommunikationsanwendungen zu vermeiden, durch ein durch das Stichwort hervorgerufenes Verlangen vermittelt wird, wie im Modell von Brand, Young [7]. Als zweites Ziel der Studie konzentrieren wir uns auf die Untersuchung der Rolle der Anfälligkeit für Langeweile in der ICD. Daher möchten wir die Beziehung zwischen den Kernmerkmalen einer Person und den Symptomen einer bestimmten Internetnutzungsstörung besser verstehen, die bisher noch nicht im Zusammenhang mit ICD untersucht wurde.

Langeweile Anfälligkeit als Prädiktor eines ICD

Die Konzeptualisierung der Langeweile wird durch unterschiedliche situative und individuelle Faktoren bestimmt [35]. Langeweile selbst könnte als negativer Geisteszustand oder innerer Konflikt zwischen einer erwarteten und einer wahrgenommenen Erfahrung beschrieben werden.36, 37]. Brissett und Schnee [38] definierte Langeweile als einen Zustand von „Unterdrückung, Untererregung und mangelndem psychologischem Engagement im Zusammenhang mit Unzufriedenheit“, und die Menschen versuchen, durch eine zusätzliche Stimulation mit Langeweile umzugehen.39]. Dieser Zustand wird auch mit unangenehmen Gefühlen in Verbindung gebracht, denen die Individuen zu entkommen versuchen.40, 41]. Lediglich Langeweile ist als Eigenschaft Langeweile definiert. Das Konstrukt der Langeweile-Anfälligkeit wird oft „als Anfälligkeit einer Person für Langeweile erfahren“ operationalisiert.35]. Langeweile Anfälligkeit beinhaltet außerdem die Schwierigkeit einer Person, auf einen Reiz aufmerksam zu machen, sich dieses Aufmerksamkeitsdefizits bewusst zu machen und zu versuchen, die Erfahrung von Langeweile als Zustand zu reduzieren.35, 42].

Mehrere Studien betonen die klinische Relevanz der Langeweile-Anfälligkeit, indem sie zeigen, dass Langeweile (Anfälligkeit) mit Alkoholkonsum zusammenhängt [43], die Verwendung psychoaktiver Substanzen [44], Indizes von Depressionen und Angstzuständen [35] und gesundheitliche Probleme im Allgemeinen [45]. Zhou und Leung [46] zeigte, dass Freizeit-Langeweile mit riskanten Verhaltensweisen wie Delinquenz, extremer Sensibilitätsaktivität und Drogenmissbrauch zusammenhängt [36, 46, 47]. Als mögliche Erklärung für den Zusammenhang zwischen Langeweile und Drogengebrauch (zB Alkoholkonsum) können Biolcati, Passini [48] untersuchte mögliche Mediationseffekte von Erwartungen auf den Alkoholkonsum. Die Ergebnisse zeigten, dass die Auswirkung der Langeweile-Anfälligkeit auf das Verhalten von Alkoholexzessen durch die Erwartung, der Langeweile zu entfliehen, den Problemen zu entgehen und mit negativen Gefühlen fertig zu werden, vermittelt wird.48]. Empirische Untersuchungen zu verschiedenen Verhaltensabhängigkeiten oder pathologischen Verhaltensweisen erklären die Bedeutung von Langeweile für Risikoverhalten. Zum Beispiel Blaszczynski, McConaghy [49] zeigte, dass Personen mit einer Spielstörung im Vergleich zu Nicht-Spielern bei Langeweile-Messungen besser abschneiden. Das Spielen scheint für sie eine Möglichkeit zu sein, negative Zustände oder Stimmungen zu vermeiden oder zu reduzieren. Dies steht im Einklang mit den von Fortune und Goodie berichteten Ergebnissen [50] veranschaulicht, dass pathologisches Glücksspiel mit Langeweile-Anfälligkeit einhergeht, die eine Subskala der Sensation-Seeking-Scale-Form V von Zuckerman, Eysenck [ist].51].

Wie bereits beschrieben, resultiert die Verwendung von Smartphones im Alltag aus einem einfachen und dauerhaften Zugang, der eine fortlaufende Kommunikation und Unterhaltung ermöglicht.2, 52]. Wir vermuten, dass die Möglichkeit einer dauerhaften Stimulation zu einem zeitaufwändigen und übermäßigen Gebrauch des Smartphones und der Online-Kommunikationsanwendungen führt. Ebenso scheint das Vermeiden von Langeweile die Hauptmotivation für die Nutzung des Internets zu sein.53]. Lin, Lin [37] zeigte, dass Langeweile und ein starkes Engagement im Internet die Wahrscheinlichkeit einer Störung der Internetnutzung erhöhen. Die Autoren betonen, dass das Internet eine Möglichkeit zu sein scheint, nach Aufregung und Vergnügen zu suchen, was den Grad einer pathologischen Nutzung erhöht. Dies steht im Einklang mit früheren Forschungen, in denen der Zusammenhang zwischen einer Störung der Internetnutzung und der Anfälligkeit für Langeweile aufgehoben wurde.54-56]. Zhou und Leung [46] spezifizierte diese Beziehung und zeigte, dass Langeweile ein Prädiktor für die pathologische Nutzung sozialer Netzwerkseiten sowie das pathologische Spielverhalten in sozialen Netzwerkdiensten ist. Elhai, Vasquez [42] zeigte, dass eine Anfälligkeit für Langeweile die Auswirkungen von Depressionen und Angstzuständen auf problematisches Smartphone-Verhalten vermittelt. Insgesamt gehen wir davon aus, dass Langeweile als Merkmal Langeweile ein persönlicher Risikofaktor für die Entwicklung eines ICD ist.

Zusammenfassung der Ziele der Studie

Die vorliegende Studie soll dazu beitragen, die zugrunde liegenden affektiven und kognitiven Mechanismen in Bezug auf die Symptome eines ICD besser zu verstehen. Unsere Annahmen basieren auf früheren Studien, in denen die Auswirkungen von Langeweile auf Risikoverhalten wie Drogenmissbrauch beschrieben wurden [57], gesundheitliche Risikofaktoren [46], Pathologisches Glücksspiel [50] oder Störung der Internetnutzung [37, 54]. Wir gehen davon aus, dass Personen, die eine höhere Anfälligkeit für Langeweile haben und das Smartphone wiederholt als Strategie für schlechtes Adaptieren verwenden, eher dazu neigen, eine pathologische Anwendung von Online-Kommunikationsanwendungen zu entwickeln. In Übereinstimmung mit dem I-PACE-Modell von Brand, Young [7], stellen wir die Hypothese auf, dass die Wirkung von Langeweile durch spezifische Kognitionen vermittelt wird. Darüber hinaus und basierend auf der Studie von Biolcati, Passini [48] wir gehen auch davon aus, dass insbesondere Personen, die eine höhere Langeweile neigen sowie die Erwartung, negative Emotionen durch die Verwendung von Online-Kommunikationsanwendungen zu vermeiden, aufgrund der Verwendung solcher Anwendungen mehr negative Folgen haben. Als weiteres Ziel untersuchen wir die Auswirkungen von affektiven und kognitiven Reaktionen. Das I-PACE-Modell deutet darauf hin, dass der Effekt der Vermeidungserwartung auf ICD-Symptome durch ein höheres Verlangen nach Verlangen vermittelt wird. Insgesamt könnte der Mediationseffekt des Cue-induzierten Verlangens auch für den Mediationseffekt der Vermeidungserwartung zwischen Langeweile und ICD relevant sein. Abb 1 fasst die Hypothesen in einem Strukturgleichungsmodell zusammen.

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

Einhundertachtundvierzig Teilnehmer zwischen 18 und 60 (M = 25.61, SD = 8.94) hat an der aktuellen Studie teilgenommen. Davon waren 91 Frauen und 57 Männer. Alle Teilnehmer waren Benutzer von Online-Kommunikationsanwendungen, die von zwei bis zu 19-Jahren genutzt wurden (M = 8.09, SD = 3.09). Die Online-Kommunikationsanwendung WhatsApp war die am häufigsten verwendete Anwendung (97.97% aller Teilnehmer), gefolgt von Facebook (78.38% aller Teilnehmer), Facebook Messenger (62.84% aller Teilnehmer) und Instagram (53.38% aller Teilnehmer). . Andere Online-Kommunikationsanwendungen wie Twitter, iMessage, Snapchat oder Skype wurden von weniger als 50% aller Teilnehmer verwendet. Die Teilnehmer verbringen 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 im Durchschnitt weniger als 30 Minuten pro Tag verwendet.

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).

Die Tendenzen eines ICD wurden mit der Kurzversion des Internet Addiction Test (s-IAT) von Pawlikowski, Altstötter-Gleich gemessen.58]. Für diese Studie verwendeten wir die modifizierte Version für ICD (s-IAT-ICD) [15]. Die Skala bewertet subjektive Beschwerden im Alltag durch den Einsatz von Online-Kommunikationsanwendungen. Zu Beginn wird eine Definition von Online-Kommunikationsanwendungen gegeben. Die Anweisungen betonen, dass der Begriff Online-Kommunikationsanwendungen die aktive (z. B. das Schreiben neuer Beiträge) sowie die passive (z. B. Durchsuchen und Lesen neuer Beiträge) Nutzung sozialer Netzwerkseiten und Blogs wie Facebook, Twitter und Instagram umfasst sowie Instant Messenger wie WhatsApp.

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 der Reaktionsreaktion und des Verlangens wurde ein Paradigma für Reaktionsreaktionen mit zwölf Bildern verwendet, das sich auf Online-Kommunikationsanwendungen bezieht.34, 59]. Die visuellen Hinweise zeigten verschiedene Smartphones, die eine Konversation über verschiedene Online-Kommunikationsanwendungen zeigten. Die Stimuli wurden in einer früheren Studie von Wegmann, Stodt [18] vorgetestet und beschrieben.34]. In der aktuellen Studie bewerteten die Teilnehmer jedes Bild hinsichtlich Erregung, Wertigkeit und Dringlichkeit, das Smartphone auf einer Fünf-Punkte-Likert-Skala zu verwenden (von 1 = "keine Erregung / Valenz / Drang" bis 5 = "hohe Erregung / Valenz / Drang". ). Präsentation^® (Version 16.5, www.neurobs.com) wurde für Cue-Präsentation und Bewertungen verwendet.

Zusätzlich haben wir den Desire of Alcohol Questionnaire verwendet.60] für den Smartphone-Gebrauch modifiziert, um das Verlangen zu beurteilen [34]. Der Fragebogen wurde vor und nach dem Queue-Reaktivitäts-Paradigma zur Messung des Baseline-Craving (DAQ-ICD-Baseline-Craving) sowie potenzieller Craving-Änderungen nach Cue-Exposition (DAQ-ICD-Post-Craving) vorgelegt. Daher mussten die Teilnehmer 14-Artikel (z. B. "Die Verwendung des Smartphones wäre jetzt zufriedenstellend") auf einer siebenstufigen Likert-Skala bewerten (von 0 = "völlige Nichtübereinstimmung" bis 6 = "vollständige Vereinbarung"). Nachdem wir einen Artikel invertiert hatten, berechneten wir die mittlere Punktzahl [59]. Die internen Konsistenzen waren α = .851 für DAQ-ICD-Grundlinienlust und α = .919 für DAQ-ICD-Nachlust. In den folgenden Analysen wurden das DAQ-ICD-Post-Craving und die Bewertungen des Cue-Reaktivitäts-Paradigmas verwendet, um die latente Dimension des Cue-induzierten Craving im Strukturgleichungsmodell darzustellen.

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

Die Internet-Nutzungserwartung (IUES) [17] modifiziert für Online-Kommunikation wurde verwendet, um die Erwartungen der Teilnehmer hinsichtlich der Verwendung von Online-Kommunikationsanwendungen zu bewerten [16]. Der Fragebogen enthält zwei Faktoren (jeweils sechs Punkte): positive Verstärkung (z. B. „Ich benutze Online-Kommunikationsanwendungen, um Vergnügen zu erleben“; IUES positiv: α = .838) und Vermeidungserwartungen (z. B. „Ich verwende Online-Kommunikationsanwendungen für mich von Problemen ablenken "; IUES-Vermeidung α = .732). Die Teilnehmer mussten jeden Artikel auf einer 6-Punkte-Likert-Skala bewerten (von 1 = "stimme überhaupt nicht zu" bis 6 = "stimme voll zu"). Basierend auf früheren Forschungsergebnissen und theoretischen Annahmen war nur die Variable für die Vermeidungserwartung für die folgenden Analysen relevant.

Kurze Langeweile-Anfälligkeitsskala (BPS).

Die Skala für kurze Langeweile (BPS) von Struk, Carriere [61] wurde verwendet, um die Langeweile der Eigenschaften zu bewerten. Die Skala besteht aus acht Elementen (z. B. „Es braucht mehr Stimulation, um mich in Bewegung zu setzen als die meisten Menschen“), die auf einer 7-Punkte-Likert-Skala bewertet werden mussten (von 1 = „stimme überhaupt nicht zu“) bis 7 = „stimme zu ”). Es wurde ein Gesamtmittelwert berechnet. Die interne Konsistenz war α = .866.

Statistische Analysen

Die statistischen Analysen wurden mit SPSS 25.0 für Windows (IBM SPSS Statistics, freigegebenes 2017) durchgeführt. Wir haben Pearson-Korrelationen berechnet, um die bivariaten Beziehungen zwischen zwei Variablen zu testen. Die Korrelationen wurden anhand von Effektgrößen genauer interpretiert. Basierend auf Cohen [62], Pearson-Korrelationskoeffizient r ≥ .01 bedeutet ein kleines, r ≥ .03 ein Medium und r ≥ .05 einen großen Effekt. Die Analysen des Strukturgleichungsmodells (SEM) wurden unter Verwendung von Mplus 6 [berechnet.63]. Um die Modellanpassung des SEM zu bewerten, verwendeten wir den standardisierten quadratischen Mittelwert (SRMR; Werte <08 zeigen eine gute Übereinstimmung mit den Daten an), den quadratischen mittleren Approximationsfehler (RMSEA; Werte <08 zeigen einen guten und an <.10 eine akzeptable Anpassung an die Daten) und Vergleichsanpassungsindizes (CFI und TLI; Werte> .90 zeigen eine akzeptable und> .95 eine gute Anpassung an die Daten an) [64, 65]. Wir haben auch die verwendet χ²-Test, um zu überprüfen, ob die Daten vom definierten Modell abgeleitet sind. Als zusätzlichen Schritt zur Reduzierung von Messfehlern für das SEM verwendeten wir die Methode der Artikelparzellierung für Variablen, die als Manifestvariablen dargestellt werden. Mit dieser Methode können die latenten Dimensionen für diese Variablen im SEM erstellt werden.66, 67]. Daher haben wir die Korrelationen zwischen den Elementen jeder Skala überprüft und dann zwei Faktoren für die latenten Dimensionen des IUES und des BPS erstellt.

Die Ergebnisse

Beschreibende Werte und multivariate Statistiken

Die Mittelwerte und Standardabweichungen aller Fragebögen sowie die Bewertungen des Queue-Reaktivitäts-Paradigmas finden Sie in Tabelle 1. Die konstruierten Variablen des Artikelpakets werden als zusätzliche Werte aufgenommen. Tabelle 2 zeigt die bivariaten Korrelationen zwischen diesen Variablen. Basierend auf den Cut-off-Scores von Pawlikowski, Altstötter-Gleich [58], 23-Teilnehmer zeigten ein Problem und sieben Teilnehmer zeigten einen pathologischen Einsatz von Online-Kommunikationsanwendungen, der aufgrund der Verwendung dieser Anwendungen mit subjektiven Beschwerden im Alltag verbunden ist und Symptome eines ICD beschreibt.

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

Herunterladen:

• PPT

Powerpoint-Folie

• PNG

größeres Bild

• TIFF

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.

Herunterladen:

• PPT

Powerpoint-Folie

• PNG

größeres Bild

• TIFF

Original Bild

Fig 2. Ergebnisse des Strukturgleichungsmodells.

Ergebnisse des Strukturgleichungsmodells mit ICD als abhängige Variable einschließlich Faktorbelastungen der beschriebenen latenten Variablen und der zugehörigen β-Gewichte, p-Werte 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 3zeigen die Ergebnisse, dass psychopathologische Symptome eine entscheidende Rolle bei der Entwicklung und Aufrechterhaltung eines ICD spielen, was mit früheren Forschungen übereinstimmt [8, 15, 42]. Die Relevanz der Langeweile-Anfälligkeit als wichtiger Prädiktor für Symptome eines ICD wird jedoch nicht signifikant verringert, nachdem psychopathologische Symptome in das Strukturgleichungsmodell aufgenommen wurden. Dies unterstreicht, dass Langeweile und psychopathologische Symptome miteinander verwandt sind, aber unabhängige Konstrukte, deren Auswirkungen auf Tendenzen eines ICD durch kognitive und affektive Komponenten vermittelt werden. Die Ergebnisse des zusätzlichen Strukturgleichungsmodells einschließlich Faktorbelastungen der beschriebenen latenten Variablen und der zugehörigen β-Gewichte. p-Werte und Residuen sind in zusammengefasst Abb 3.

Fig 3. Ergebnisse des zusätzlichen Strukturgleichungsmodells.

Ergebnisse des Strukturgleichungsmodells mit psychopathologischen Symptomen als weitere Prädiktorvariable einschließlich Faktorbelastungen der beschriebenen latenten Variablen und der zugehörigen β-Gewichte, p-Werte und Residuen (Abkürzungen: PP = psychopathologische Symptome, BP = Langeweile, AE = Vermeidungserwartung, CRAV = Cue-induziertes Verlangen, ICD = Internet-Kommunikationsstörung).

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

Alter und Geschlecht wurden ebenfalls als mögliche Variablen betrachtet, die die Struktur des aktuellen Modells beeinflussen können. Daher haben wir zunächst Korrelationen zwischen dem Alter und allen anderen Variablen berechnet. Die Ergebnisse zeigen kleine Korrelationen (alle rs ≤ -376). Diese Zusammenhänge zeigen ein bekanntes Muster, dass jüngere Teilnehmer aufgrund einer übermäßigen Nutzung von Online-Kommunikationsanwendungen im Alltag höhere subjektive Beschwerden erfahren. In einem weiteren Schritt haben wir unsere Daten für geschlechtsspezifische Unterschiede mit T-Test-Vergleichen für unabhängige Stichproben kontrolliert. Die Ergebnisse zeigten, dass zwischen männlichen und weiblichen Teilnehmern kein signifikanter Unterschied besteht (p ≥ .319). Das Strukturgleichungsmodell mit zusätzlicher Analyse nach Geschlecht wurde unter Verwendung der mittleren Strukturanalyse als Verfahrensweise berechnet [71]. Die Anpassungsindizes des Strukturgleichungsmodells zeigen eine gute Übereinstimmung mit den Daten an (CFI = .975, TLI = .961, SRMR = .060, RMSEA = .075, p = .194, BIC = 4050.63). Bei männlichen und weiblichen Teilnehmern fanden wir ähnliche Ergebnismuster. Die weiblichen Teilnehmer zeigten ähnliche Mediationseffekte wie im hypothetischen Modell der Strukturgleichung. Bei den Männchen fanden wir keine direkte Auswirkung von Vermeidungserwartungen auf Tendenzen eines ICD (β = .153, SE = .133, p = .249), kein Mediationseffekt der Vermeidungserwartung auf die Beziehung zwischen Langeweile und ICD (β = .029, SE = .030, p = .327), und keine vermittelnde Wirkung des Verlangens auf die Beziehung zwischen Langeweile und Symptomen eines ICD (β = .073, SE = .065, p = .262). Aufgrund der geringen Stichprobengrößen, insbesondere bei der männlichen Stichprobe, müssen die Ergebnisse mit Vorsicht diskutiert und 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 die Beziehung zwischen der Anfälligkeit für Langeweile als Teil der Kernmerkmale einer Person und der Erfahrung negativer Konsequenzen aufgrund einer übermäßigen Nutzung von Online-Kommunikationsanwendungen durch affektive und kognitive Reaktionen auf externe kontextbezogene Stimuli vermittelt wird B. visuelle Hinweise zur Anzeige von Gesprächen über verschiedene Online-Kommunikationsanwendungen. Die aktuellen Ergebnisse erweitern die Ergebnisse früherer Studien, in denen bereits gezeigt wurde, dass psychopathologische Symptome (wie Depressionen oder soziale Angstzustände) und Persönlichkeitsaspekte (wie etwa Streßanfälligkeit oder Selbstwertgefühl) einen Einfluss auf die ICD-Symptome haben, der durch bestimmte Kognitionen vermittelt wird (z. B. fehlerhafter Bewältigungsstil oder Erwartung der Internetnutzung) [8, 15]. Die Ergebnisse stimmen mit dem theoretischen I-PACE-Modell von Brand, Young [7]. Im Mittelpunkt des I-PACE-Modells steht die Wirkung der Kernmerkmale einer Person in der subjektiven Wahrnehmung einer Situation, z. B. wenn sie mit suchtabhängigen Reizen, persönlichen Konflikten oder Stress konfrontiert ist. Die subjektiv gefärbte Wahrnehmung situativer Elemente führt zu individuellen affektiven und kognitiven Reaktionen wie Queue-Reaktivität und Sehnsucht, was als Wunsch bezeichnet wird, eine bestimmte Anwendung zu verwenden und negative affektive Zustände zu reduzieren.20, 24]. Die Ergebnisse der aktuellen Studie stützen diese Annahme, indem sie zeigen, dass Teilnehmer, die eine höhere Anfälligkeit für Langeweile haben (als eine der Hauptmerkmale einer Person) oder nicht in der Lage sind, die Aufmerksamkeit auf Reize zu regulieren [35] haben ein höheres Risiko, Online-Kommunikationsanwendungen übermäßig zu verwenden. Die Ergebnisse werden auch durch die Studie von Elhai, Vasquez [42] sowie durch unsere zusätzliche Analyse, in der hervorgehoben wird, dass psychopathologische Symptome wie Depressionen, zwischenmenschliche Sensibilität sowie Angstzustände zu einer erhöhten Anfälligkeit für Langeweile und zu einem erhöhten Risiko einer pathologischen Anwendung von Online-Kommunikationsanwendungen führen können. Dieses Verhalten wird verstärkt, wenn Personen mit bestimmten (Smartphonekommunikationsbezogenen) Reizen konfrontiert sind und den Wunsch verspüren, das Smartphone oder eine bestimmte Kommunikationsanwendung zu verwenden. Es scheint wie eine automatische Angewohnheit zu sein, das Smartphone zu benutzen, nachdem Sie ein Symbol gesehen oder den Ton einer eingehenden Nachricht gehört haben.34]. Benutzer von Online-Kommunikationsanwendungen könnten eine solche Angewohnheit entwickelt haben, um zu versuchen, mit unangenehmen Gefühlen wie Langeweile fertig zu werden und so der erlebten Unter-Stimulation zu entgehen [20, 36].

Der Mediationseffekt der Vermeidungserwartung auf die Beziehung zwischen Langeweile und ICD-Symptomen unterstützt diese Annahme. Ähnlich wie bei einem Anstoß durch das Anprangern zeigen die Ergebnisse, dass die Anfälligkeit für Langeweile zu Erwartungen führt, negative Emotionen online zu vermeiden und durch das Smartphone oder Online-Kommunikationsanwendungen von Problemen abzulenken. Dies steht im Einklang mit Biolcati, Passini [48], das zeigt, dass die Beziehung zwischen Langeweile und Langsamkeitsverhalten durch die Erwartungshaltung vermittelt wird, der Reizschwäche und der Realität zu entgehen. Die Autoren gehen davon aus, dass vor allem Jugendliche, die in ihrer Freizeit eher zu Langeweile neigen, von den negativen Emotionen durch Alkoholkonsum ausgehen können, was das Risiko von Alkoholexzesse verstärkt.48]. Riskantes Verhalten scheint eine Art unpassender Bewältigungsmechanismus zu sein, bei dem der Einzelne versucht, Strategien zu finden, um die Neigung zu Langeweile zu reduzieren.35, 39, 40]. Die Ergebnisse von Biolcati, Passini [48], Biolcati, Mancini [39] und Harris [40] veranschaulichen Hauptannahmen des I-PACE-Modells, wie z. B. die Hypothese, dass Personen vor negativen Emotionen zu fliehen versuchen oder mit einer auffälligen Stimmung umgehen, insbesondere wenn sie mit suchtabhängigen Reizen konfrontiert sind, was zur Entscheidung über eine bestimmte Anwendung führen könnte. Seit Zhou und Leung [46] bereits die Assoziation von Langeweile-Anfälligkeit mit Spielen in sozialen Netzwerkumgebungen beschrieben, geben die aktuellen Ergebnisse diese Beziehung an. Die Erfahrung der Befriedigung oder die Stimulation in einer Situation der Untererregung könnte als ein wichtiger Faktor beschrieben werden, der das Risiko der Verwendung bestimmter Online-Anwendungen erhöht, da erwartet wird, negative affektive Zustände in ähnlichen Situationen wiederholt zu reduzieren. Dies steht im Einklang mit den Ergebnissen einer Neuroimaging-Studie von Montag, Markowetz [72], der die belohnenden Aspekte der Verwendung von Facebook über das Smartphone und die stärkere Aktivierung des ventralen Striatum aufzeigte, wenn Personen Zeit für soziale Netzwerkdienste verbringen.

Das zweite Ziel der Studie war die Untersuchung der Wechselwirkung von affektiven und kognitiven Reaktionen auf äußere Reize. Frühere Studien untersuchten bereits die Relevanz von Queue-Reaktivität und Verlangen [34] sowie Erwartung der Internetnutzung [8, 15] und vor allem Vermeidungserwartungen [16] für die Entwicklung und Pflege eines ICD. Die Wichtigkeit dieser beiden Konstrukte zeigte sich bereits bei bestimmten Störungen der Internetnutzung, beispielsweise bei Störungen des Internet-Einkaufs oder bei pathologischen Käufen.18, 59], Internet-Pornografie-Sehstörung [29], Internet-Gaming-Störung [30, 73, 74] oder generalisierte (unspezifische) Störung der Internetnutzung [17]. Nach unserem besten Wissen gab es keine Studie, in der die Interaktion zwischen dem durch Cue induzierten Verlangen und der Internetnutzungserwartung untersucht wurde, wie dies im I-PACE-Modell vermutet wird.7]. Die Autoren des I-PACE-Modells gehen davon aus, dass die Internetnutzungserwartung ein durch Cue induziertes Verlangen vorhersagt, was sich auf die Symptome einer bestimmten Internetnutzungsstörung auswirkt. Daher stellten wir die Hypothese auf, dass das durch Cue hervorgerufene Verlangen als Vermittler zwischen der Internetbenutzungserwartung (hauptsächlich Vermeidungserwartung) und den ICD-Symptomen dient. Die Hypothese wird durch die aktuellen Ergebnisse gestützt. Die Ergebnisse zeigen, dass affektive und kognitive Komponenten miteinander interagieren, was die wichtigsten Mechanismen des theoretischen Modells betont. Personen mit spezifischen internetbezogenen Erkenntnissen (z. B. Erwartung, von Problemen abzulenken, der Realität zu entfliehen oder Einsamkeit zu vermeiden) scheinen anfällig für suchtbezogene Anzeichen zu sein und scheinen höhere Verlangen-Reaktionen zu erfahren. In Bezug auf die im I-PACE-Modell vorgeschlagenen Verstärkungsmechanismen wird angenommen, dass Einzelpersonen sich dafür entscheiden, ihre "First Choice" -Anwendungen zu verwenden, um von diesem negativen Zustand abzulenken und eine Befriedigung oder Kompensation zu erfahren. Dies erhöht das Risiko, die Kontrolle über die Internetnutzung zu verlieren.7]. Die Ergebnisse sind ein erstes Zeichen, das die Wechselwirkung zwischen affektiven und kognitiven Reaktionen auf äußere und innere Reize aufzeigt. Da gibt es weitere Komponenten wie Aufmerksamkeitsbias und implizite Assoziationen sowie die Relevanz von inhibitorischen Kontroll- und Exekutivfunktionen [7], müssen die Zusammenhänge zwischen diesen Faktoren genauer untersucht werden. Zukünftige Studien sollten sich dabei auf ICD, aber auch andere spezifische Störungen der Internetnutzung konzentrieren.

Ausblick und Implikationen

Die Verwendung von Smartphones und Online-Kommunikationsanwendungen im Alltag scheint generell unproblematisch zu sein. Für die meisten Menschen ist es üblich, das Smartphone zu verwenden, während Sie beispielsweise auf eine andere Person oder den Zug warten. Turel und Bechara [75] illustrieren auch die Relevanz der Impulsivität als Risikofaktor eines ICD. Insgesamt scheinen Online-Kommunikationsanwendungen ein Paradebeispiel für den Zusammenhang zwischen Langeweile und einer pathologischen Nutzung zu sein. Es kann davon ausgegangen werden, dass die Erfahrung der Befriedigung und Kompensation durch die Verwendung dieser Anwendungen ein Schlüsselmechanismus für den Entwicklungsprozess eines ICD ist. Obwohl die Ergebnisse mit den theoretischen Annahmen des I-PACE-Modells von Brand, Young [7], die Entwicklung von Online-Kommunikationsverhalten und ICD-Symptomen sowie die Rolle der Langeweile und affektiver und weiterer kognitiver Komponenten sollten in Längsschnittstudien untersucht werden. Daher ist mehr Forschung insbesondere hinsichtlich spezifischer Verstärkungsmechanismen erforderlich.

In Anbetracht dessen sollte sich die Forschung neben der Anfälligkeit für Langeweile auch auf die subjektiv empfundene Situation konzentrieren. Ben-Yehuda, Greenberg [76] befasste sich bereits mit der Relevanz staatlicher Langeweile als potenzieller Risikofaktor für die Entwicklung einer Smartphone-Sucht, die in der weiteren Forschung untersucht werden muss. Dies beinhaltet die Erfahrung von Untererregung und Untererregung als kontextabhängigen Zustand [38, 57]. Es kann davon ausgegangen werden, dass die tatsächlich wahrgenommene Langeweile eine weitere relevante Erklärung dafür ist, warum Personen die automatische Gewohnheit entwickeln, das Smartphone in einer Situation mit Unterdrückung zu verwenden. Dies könnte durch die erfahrene Befriedigung und Kompensation verstärkt werden und erhöht somit die Wahrscheinlichkeit, das Smartphone in einer vergleichbaren Situation wieder zu verwenden. Bei weiteren Studien sollte bisher berücksichtigt werden, dass situative Faktoren wie tatsächliche Stimmung, persönliche Konflikte, tatsächliche Langeweile oder wahrgenommener Stress die kognitiven und affektiven Komponenten sowie die Entscheidung für eine bestimmte Anwendung beeinflussen können.7, 77].

Angesichts der Tatsache, dass immer mehr Menschen negative Konsequenzen im täglichen Leben haben, wie Konflikte mit Familie und Freunden oder arbeitsbedingte Probleme, die sich aus einer unkontrollierten Nutzung des Internets und seiner spezifischen Anwendungen ergeben, besteht ein zunehmender Bedarf an angemessenem und geführten Verhalten Interventionen. Es wird angenommen, dass der Erfolg von Prävention und Intervention im Zusammenhang mit Störungen der Internetnutzung und ihren spezifischen Formen, wie zum Beispiel der ICD, hauptsächlich davon abhängt, ob relevante Faktoren berücksichtigt werden. In Anbetracht der Tatsache, dass persönliche Eigenschaften möglicherweise schwer zu ändern sind, sollten sich Interventionen auf die Moderation sowie auf die Vermittlung von Aspekten konzentrieren, um eine übermäßige Nutzung bestimmter Internetanwendungen zu verhindern.7]. In dieser Studie wurde betont, dass die Erwartung, negative Gefühle im Internet zu vermeiden, und Reaktionen, die durch Cues ausgelöst werden, eine vermittelnde Rolle bei der Entwicklung und Aufrechterhaltung eines ICD spielen. Die Nutzung spezifischer Internetnutzungserwartungen zur Veränderung unkonduktiver Kognitionen könnte ein erster Schritt in Richtung einer funktionalen Internetnutzung sein. Menschen, die Schwierigkeiten haben, Langeweile zu ertragen oder die eine höhere Anfälligkeit für Langeweile haben, sollten geschult werden, um zu erkennen, dass das Internet oder die Verwendung des Smartphones nicht der einzige Weg ist, um mit alltäglichen Situationen fertig zu werden, die eine Unterdimensionierung oder sogar unangenehme Gefühle beinhalten. Dieser Aspekt ist besonders wichtig, da die Erwartung, dass Online-Kommunikationsanwendungen die Flucht vor den Problemen des wirklichen Lebens fördern können, daraufhin Verlangenreaktionen fördern und verstärken kann, wie die aktuellen Ergebnisse zeigen, insbesondere wenn bestimmte Reize auftreten. Im Alltag können solche Reize im Alltag beispielsweise sein, dass andere Personen das Smartphone benutzen oder eine eingehende Nachricht wahrnehmen. Dies kann es für Einzelpersonen sogar noch schwieriger machen, dem Wunsch zu widerstehen, bestimmte Anwendungen zu verwenden. Insgesamt können Einzelpersonen dann eine eingeschränkte Kontrolle über ihre Internetnutzung entwickeln, was zu negativen Folgen führt. Des Weiteren sollten Tendenzen zu Online-Kommunikationsanwendungen aufgrund von erfahrenem Verlangen systematisch durch Schulungsprogramme verringert werden, mit denen der Einzelne lernen kann, unregulierte Reaktionen auf bestimmte Reize zu vermeiden [7]. Die Wirksamkeit allgemeiner Trainingsmethoden muss insbesondere für einen ICD weiter untersucht werden.

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

FeigeTeilen

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. Datensatz_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)

Bibliographie

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
   • Artikel ansehen
   • PubMed / NCBI
   • Google Scholar
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.