تفاوت های فردی در توانایی های یادگیری ضمنی و رفتار تکانشی در زمینه اعتیاد به اینترنت و اختلال بازی های اینترنتی با توجه به جنسیت (2018)

رینا ساریسکی,^a,⁎ برند لاچمن,^a سباستین مارکت,^b,c مارتین راتر,^b,c و مسیحی مونتاگ^a,d

1.1 PIU و یادگیری / تصمیم گیری ضمنی

نقايص در تصميم گيري در مطالعات متعدد نشان داده شده است ، كه بيماران داراي اعتياد به مواد و رفتارها را مورد بررسي قرار مي دهند Bechara و همکاران، 2001, Schoenbaum و همکاران، 2006) به دلیل شباهت ها در مفهوم سازی PIU و اعتیاد به رفتار / مواد (جوان، 1998a) ، موضوع تصمیم گیری نیز از اهمیت بالایی برای درک بهتر ماهیت استفاده بیش از حد از اینترنت برخوردار است. هنگام ارزیابی تصمیم گیری ، تمایز بین تصمیم گیری تحت ابهام و تصمیم گیری در معرض خطر انجام شده است (برند و همکاران، 2006, Schiebener و برند، 2015) در حالی که در تصمیم گیری تحت ابهام ، قوانین سود و زیان و احتمالات نتایج متفاوت به صراحت توضیح داده نشده است (به عنوان مثال با (اولین آزمایشات IOWA Gambling Task یا IGT) ، اندازه گیری می شود) ، در تصمیم گیری تحت خطر اطلاعات صریح درباره پتانسیل. عواقب ، و احتمال سود و ضرر در دسترس است یا قابل محاسبه است (به عنوان مثال با بازی Dice Task یا GDT اندازه گیری می شود) (برند و همکاران، 2006, Schiebener و برند، 2015) بر اساس این تمایز و مدلهای دو فرآیند تصمیم گیری (به عنوان مثال اپستین، 2003), Schiebener و Brand (2015) یک مدل نظری را برای توضیح تصمیم گیری در معرض خطر پیشنهاد کرد. در این مدل نقش عملکردهای اجرایی به عنوان یک کلید مهم برای تصمیم گیری در معرض خطر برجسته می شود ، اما تصمیم گیری تحت ابهام نیست. پاداش و مجازات عاطفی قرار است همراه با هر دو شکل تصمیم گیری باشد. بنابراین ، هر دو فرآیند بازتاب (تحت کنترل با شناخت) ، همراه با فرآیندهای تکانشی (ناشی از انتظار پاداش عذاب و مجازات) ممکن است در شرایط تصمیم گیری تحت شرایط خطر عینی دخیل باشند (Schiebener & Brand ، 2015) علاوه بر این ، عواملی مانند اطلاعات در مورد وضعیت تصمیم گیری ، ویژگی های فردی و حالات ناشی از موقعیت و تأثیرات خارجی پیشنهاد شده است تا اثرات تعدیل کننده در تصمیم گیری داشته باشند (Schiebener & Brand ، 2015).

با توجه به اعتیاد به اینترنت ، چارچوب نظری جدیدی توسط پیشنهاد شد نام تجاری ، Young ، Laier ، Wlinglfling و Potenza (2016)به نام تعامل شخصیت-عاطفه-شناخت-اجرای (I-PACE) ، که در آن اختلال در عملکردهای اجرایی و کنترل مهاری نیز مشخص شده است که برای توسعه PIU اهمیت دارد. براساس این مدل ، توسعه و نگهداری از اختلالات خاص استفاده از اینترنت ، برهمكنش بین عوامل مستعدکننده (به عنوان مثال شخصیت و روانشناسی) ، تعدیل كنندگان (به عنوان مثال شیوه مقابله با نقص و انتظارات اینترنت) و واسطه ها (به عنوان مثال پاسخهای عاطفی و شناختی به علائم موقعیتی) است. این فعل و انفعالات پیچیده ، همراه با تجربه رضایت بخش و تقویت مثبت ، در نتیجه استفاده از ویژگی خاصی از اینترنت و با کاهش عملکردهای اجرایی و کنترل مهاری ، می تواند به یک اختلال در استفاده خاص از اینترنت منجر شود.

تاکنون چند مطالعه تجربی در زمینه PIU ، کنترل مهاری و تصمیم گیری انجام شده است. اکثر آنها مطابق با چارچوب نظری فوق الذکر توسط برند و همکاران (2016). سان و همکاران (2009) به عنوان مثال ، عملکرد بدتری را در یک کار قمار در کاربران بیش از حد اینترنت و انتخاب کندتر یک استراتژی موفقیت آمیز در مقایسه با شرکت کنندگان کنترل گزارش کرده است. در یک مطالعه اخیر ، پاولیکوسکی و مارک تجاری (2011) گزارش کاهش توانایی تصمیم گیری در معرض خطر در GDT در گروهی از بازیکنان بیش از حد World of Warcraft (WoW) در مقایسه با شرکت کنندگان در کنترل. یو و همکاران (2015) از یک نسخه اصلاح شده از کار Go / NoGo استفاده کرد (جایی که از محرکهای مربوط به بازی در کنار محرکهای خنثی استفاده می شد) و کاهش کنترل مهاری در شرکت کنندگان با IGD را در مقایسه با گروه کنترل گزارش کرد. Laier ، Pawlikowski و Brand (2014) نتایج مشابهی را با یک نسخه اصلاح شده از IGT ، هنگام استفاده از تصاویر مستهجن و خنثی روی عرشه های کارت مطلوب و / یا نامطلوب پیدا کرد. در اینجا ، شرکت کنندگان مرد تصمیم گیری ناقص را در کارآزمایی نشان دادند که در آن تصاویر مستهجن با عرشه کارت نامطلوب در ارتباط بودند. با این حال ، نتایج مختلط در مورد تصمیم گیری در زمینه PIU یا IGD نیز گزارش شده است. در یک مطالعه توسط کو و همکاران (2010) به عنوان مثال ، شرکت کنندگان معتاد به اینترنت ، تصمیم گیری بهتری را با IGT در مقایسه با شرکت کنندگان در کنترل نشان دادند. در مطالعه توسط یو و همکاران (2015) در حال حاضر ذکر شده در بالا ، هیچ تفاوتی در تصمیم گیری با استفاده از IGT بین شرکت کنندگان سالم و افراد مبتلا به IGD وجود ندارد. برای جدا کردن این نتایج متناقض ، مطالعات بیشتر ، بررسی متغیرهای مداخله ای احتمالی ، ضروری است. یک متغیر خاص بعداً در مطالعه حاضر شرح داده شده است.

1.2 PIU ، خطر پذیری و تحریک پذیری

با توجه به توصیف اولیه PIU به عنوان یک اختلال کنترل ضربه ، تعدادی از مطالعات برای کشف PIU در زمینه انگیزش و ریسک پذیری انجام شده است. کائو ، سو ، لیو و گائو (2007) و لی و همکاران (2012) نشان داد که PIU با تکانشگری صفت همراه بود ، با مقیاس تحریک پذیری بارات (BIS-11) اندازه گیری شد. با توجه به چارچوب نظری توسط برند و همکاران (2016)، در حال حاضر در بالا معرفی شده است ، انگیزش در بین عوامل شخصیت ذکر شده است ، نشان می دهد که پایدارترین ارتباطات با PIU است ، بنابراین ، به عنوان یکی از عوامل ، تاثیر گذار بر توسعه و نگهداری آن پیشنهاد شده است. به طور گسترده ، تحریک پذیری به عنوان "پیش بینی نسبت به واکنش های سریع و بدون برنامه ریزی در مورد محرک های داخلی یا خارجی ، بدون در نظر گرفتن پیامدهای منفی این واکنش ها بر روی افراد محرک یا دیگران" توصیف می شود.مولر ، بارات ، داگرتی ، اشمیتز و سوان ، 2001 ؛ پ. 1784) اصطلاح مرتبط با ریسک پذیری به عنوان "رفتارهای انجام شده تحت عدم اطمینان ، با یا بدون پیامدهای منفی ذاتی و بدون برنامه ریزی احتمالی قوی" تعریف شده است.Kreek ، Nielsen ، Butelman ، و LaForge ، 2005 ؛ پ. 1453). کو و همکاران (2010) وظیفه خطر آنالوگ بالون را اعمال کرد (Lejuez و همکاران، 2002) برای سنجش ریسک پذیری ، اما ارتباط معنی داری با PIU پیدا نکرد. در مطالعه حاضر ، ما بار دیگر با استفاده از هر دو ، گزارش خود به همراه اقدامات تجربی تحریک پذیری / ریسک پذیری ، بار دیگر به این انجمن ها می پردازیم.

1.3 نقش جنسیت برای PIU / IGD

مسئله مهم دیگر در زمینه اعتیاد به اینترنت ، ترجیح ویژگی های خاص اینترنت (به عنوان مثال خرید آنلاین ، بازی آنلاین) ، بسته به جنسیت است. یک مطالعه نماینده از آلمان نشان داد که 77.1٪ از زنان معتاد به اینترنت در سنین 14-24 سال از سایت های شبکه های اجتماعی استفاده می کنند در حالی که مردان 64,8٪ در همان سن (Rumpf و همکاران، 2011) در همان مطالعه 7.2 درصد از زنان معتاد به اینترنت در سنین بین 14 تا 24 سال گزارش داده اند که از اینترنت برای انجام بازی های ویدیویی آنلاین استفاده می کنند ، در حالی که در 33.6 درصد از مردان در همان سن (Rumpf و همکاران، 2011) بنابراین ، به نظر می رسد با توجه به IGD ، شرکت کنندگان مرد نسبت به بازی های آنلاین اولویت بالاتری نسبت به بازی های آنلاین نشان می دهند و گزارش شده است که بیشتر در معرض خطر IGD هستند. علاوه بر این، Ko ، ین ، چن ، چن و ین (2005) مشاهده شد كه سن ، عزت نفس پائين و رضايت از زندگي روزانه كمتر با IGD شديدتر در مردان است ، اما نه زن. با وجود این نتایج ، هنوز هم فقط مطالعات کمی وجود دارد ، که به طور سیستماتیک جنسیت شرکت کنندگان را به عنوان متغیر تعدیل کننده واسطه گر در زمینه PIU در نظر می گیرند. با این وجود ، این امکان وجود دارد که این تفاوتها برخی از نتایج متضاد در این زمینه را به خود اختصاص داده و از این رو ، در مطالعات بعدی به آنها توجه شود.

هدف از طرح تحقیقاتی ما بررسی ارتباط بین PIU و همچنین IGD و یادگیری ضمنی در گروهی از شرکت کنندگان مرد با ویژگی IGD (مطالعه 1) بود. در مطالعه 2 ما با مقایسه شرکت کنندگان سالم و بازیکنان بیش از حد WoW در نظر گرفتن جنسیت ، هدفمان تکرار این نتایج است. هدف از مطالعه 3 بررسی رابطه بین PIU ، IGD و تکانشگری / ریسک پذیری (گزارش خود و داده های تجربی) در افراد سالم بود.

بر اساس ادبیات فوق ، فرضیه های زیر را فرموله کردیم:

2.1 مواد و روش ها

2.2. نتایج

معنی و انحراف استاندارد از متغیرهای مورد بررسی در ارائه شده است جدول 1.

2.3 بحث

به طور خلاصه ، همانطور که در فرضیه های ما مطرح شد ، در مطالعه اعتیاد به اینترنت 1 با توانایی های یادگیری ضمنی ضمنی همراه بود. این نتیجه شواهد بیشتری را برای نقش تصمیم گیری ضعیف در زمینه PIU ارائه می دهد (به عنوان مثال برند و همکاران، 2016) ارتباط با IGD در همین راستا بود ، با این حال ، به اهمیتی نرسید. این ممکن است با اندازه نمونه نسبتاً کوچک و / یا قوام داخلی نسبتاً کم (0.66) از مقیاس OGAS در این مطالعه توضیح داده شود. به منظور بررسی بیشتر این روابط و مقایسه نتایج بین شرکت کنندگان زن و مرد و بین گیمرها و افراد غیر گیمر ، مطالعه 2 انجام شد.

3.1 مواد و روش ها

3.2. نتایج

نمره OGAS و ساعت بازی های آنلاین در هفته به طور غیر عادی در گروه های شرکت کننده کنترل زن و مرد توزیع شد. علاوه بر این ، نمره و سن s-IAT به طور غیر عادی در گروه شرکت کنندگان کنترل زن توزیع شد. همبستگی بین GAIN و نمره s-IAT در گروه بازیکنان پسر WoW بر اساس یافته های موجود در مطالعه 1 به صورت یک طرفه انجام شد.

آمار توصیفی برای شرکت کنندگان کنترل و بازیکنان WoW در سال ارائه شده است جدول 3. در اینجا شرکت کنندگان کنترل زن و مرد تجربه بازی نسبتاً کمتری داشتند ، ساعت بازی های آنلاین در هفته و نمرات OGAS ، در مقایسه با بازیکنان زن و مرد WoW (مشاهده کنید جدول 3) علاوه بر این ، بازیکنان زن WoW در مقایسه با شرکت کنندگان کنترل زن ، نمرات قابل توجهی بالاتر در s-IAT نشان دادند. تمام متغیرهای دیگر بین شرکت کنندگان کنترل و بازیکنان WoW تفاوت معنی داری نداشتند.

3.3 بحث

هدف از مطالعه 2 ، با مقایسه بازیکنان WoW و شرکت کنندگان کنترل ، تکثیر نتایج مطالعه یک بود. همبستگی منفی بین نمرات GAIN و s-IAT و WoW-SPUQ نشان داد که گرایش به اهمیت فقط در گروه بازیکنان WoW مرد نشان داده شده است. با این حال ، نمونه بسیار کمی از بازیکنان WoW مرد (n = 28) ممکن است توضیحی در مورد اثرات ضعیف تر ارائه دهد. بررسی دستکاری فقط تفاوت معنی داری را بین GAIN در 18 آزمایش اول و آخر در گروه بازیکنان WoW مرد نشان داد ، جایی که شرکت کنندگان در قسمت دوم آزمایش نسبت به قسمت اول سود کمتری نشان دادند. ما می خواهیم به خواننده یادآوری کنیم که به شرکت کنندگان در مطالعه 2 مقدار پولی که در طول آزمایش به دست آوردند پرداخت شد و آنها قبل از شروع آزمایش از این واقعیت آگاه بودند. بنابراین ، در این مورد ، انگیزه بیرونی شرکت کنندگان در مقایسه با مطالعه 1 ممکن است بیشتر باشد. در حقیقت ، مقایسه میانگین GAIN بین شرکت کنندگان Gamescom و مردان WoW بازیکن ، بدیهی است که حتی اگر بازیکنان WoW در قسمت دوم آزمایش بدتر ، در مقایسه با قسمت اول آزمایش ، آنها در مجموع بیشتر از مردان شرکت کننده Gamescom پیروز شدند (نگاه کنید به جدول 1, جدول 3: M = 413.61 برای شرکت کنندگان Gamescom و M = 443.04 برای بازیکنان WoW مرد). بنابراین ، به منظور کنترل تأثیر مداخله گر بالقوه انگیزه ، با استفاده از مقیاس 10 متحد-متحرک (UMS-10) تجزیه و تحلیل دیگری انجام دادیم. Schönbrodt & Gerstenberg ، 2012) داده USM-10 به عنوان بخشی از مطالعه طولی بزرگتر در دسترس بود.

4.1 مواد و روش ها

4.2. نتایج

توجه داشته باشید ، متغیرهای ساعت بازی آنلاین در هفته و نمره OGAS به طور عادی توزیع نشده بودند. آمار توصیفی در گزارش شده است جدول 6. شرکت کنندگان از نظر تخصص بازی در سال ها تخصص خاصی در زمینه بازی داشتند ، اما زمان واقعی صرف شده برای بازی های آنلاین بسیار کم است. آنالوگ برای مطالعه 2 ، در اینجا ما مقایسه کردیم ، اگر شرکت کنندگان زن و مرد در مورد متغیرها ، به تصویر کشیده شده ، تفاوت داشتند جدول 6. تفاوت معنی داری با متغیرهای تخصص بازی (سالها) مشاهده شد (U)_(33,61) = 385.0 ، p <0.001) ، ساعات بازی آنلاین در هفته (U_(33,61) = 663.5 ، p <0.001) ، خطرپذیر (گزارش خود) (U_(33,61) = 732.0 ، p 0.05/XNUMX> و OGAS (U_(33,61) = 562.5 ، p <0.001) ، که در آن شرکت کنندگان مرد امتیاز بیشتری نسبت به شرکت کنندگان زن کسب کردند

ما از Ralf Reichert از Turtle Entertainment تشکر می کنیم که این فرصت را به ما داده است تا آزمایش خود را در GamesCom 2013 انجام دهیم. با این حال ، Turtle Entertainment هیچ فایده ای نداشته و یا تاثیری در اجرای مطالعه ندارد.

ما همچنین می خواهیم از ماکسیمیلیان سیبر و اوتیلیا پاسنیکو که شرکت کنندگان را برای مطالعه 3 به عنوان بخشی از پایان نامه های لیسانس خود جذب و آزمایش کردند تشکر کنیم.

¹در طول مقاله حاضر ما از اصطلاح استفاده از مشكل اینترنت (PIU) به عنوان جایگزینی برای اعتیاد به اینترنت استفاده خواهیم كرد ، زیرا در حال حاضر هیچ تشخیص رسمی موجود در DSM-5 و ICD 10 وجود ندارد. از آنجا که اختلال بازی اینترنت (IGD) در پیوست DSM-5 گنجانده شده بود ، این اصطلاح به عنوان مترادف اعتیاد به بازی های آنلاین استفاده می شود. لطفاً توجه داشته باشید که هر مطالعه ای که در مقاله حاضر به آن استناد کنیم ، IGD را با استفاده از معیارهای پیشنهادی در DSM-5 مورد بررسی قرار نداده ایم.

²توجه داشته باشید که جعبه "شیطان" برای ظاهر شدن در موقعیت 1 برنامه ریزی نشده بود ، زیرا این کار دادگاه فعلی را بدون پایان دادن به شرکت کنندگان این فرصت را می داد که اگر می خواستند با باز کردن کادر دیگری اقدام کنند ، انتخاب کنند.

• انجمن روانپزشکی آمریکا. کتابچه راهنمای تشخیصی و آماری اختلالات روانی ویرایش 5th ، (متن تجدید نظر ، بازیابی سپتامبر 7th ، 2016). http://www.dsm5.org/Pages/Default.aspx
• Bechara A. ، Dolan S. ، Denburg N.، Hindes A.، Anderson SW، Nathan PE کسری تصمیم گیری ، مرتبط با قشر پیش مغزی بطن مغزی عملکردی ، که در الکل و سوء استفاده کنندگان محرک نشان داده شده است. جراحی مغز و اعصاب. 2001.39 (4): 376-389. [گروه]
• نام تجاری M. ، Labudda K. ، Markowitsch HJ Neuropsychological همبستگی تصمیم گیری در موقعیت های مبهم و خطرناک. شبکه های عصبی. 2006;19(8):1266–1276. [گروه]
• Brand M. ، Young KS ، Laier C. ، Wölfling K. ، Potenza MN ادغام ملاحظات روانشناختی و عصبی زیست شناختی در مورد توسعه و نگهداری اختلالات خاص استفاده از اینترنت: تعامل مدل شناخت-اجرا-تأثیر-تأثیرگذاری شخص (I-PACE) . علوم اعصاب و بررسی های زیست رفتاری. 2016.71: 252-266. [گروه]
• رابطه Caul F. ، Su L. ، Liu T. ، Gao X. رابطه بین تحریک پذیری و اعتیاد به اینترنت در نمونه ای از نوجوانان چینی. روانپزشکی اروپا. 2007.22 (7): 466-471. [گروه]
• دیویس RA مدل شناختی-رفتاری از استفاده از اینترنت آسیب شناختی. رایانه ها در رفتار انسانی. 2001.17 (2): 187-195.
• آیزنگرگر C. ، Knoch D. ، Ebstein RP ، Gianotti LR ، Sándor PS ، پلی مورفیسم D4 گیرنده Fehr E. Dopamine اثر L-DOPA در رفتار قمار را پیش بینی می کند. روانپزشکی بیولوژیک. 2010;67(8):702–706. [گروه]
• خود تئوری تجربی شخصیتی Epstein S. شناختی از شخصیت. در: Millon T. ، Lerner MJ ، ویراستاران. کتاب روانشناسی. 5th ed. ویلی؛ Hoboken: 2003. صفحه 159-184.
• آمار زنده اینترنت کاربران اینترنت در جهان. 2016 http://www.internetlivestats.com/internet-users/ برگرفته از سپتامبر 7th از.
• Ko CH، Yen JY، Chen CC، Chen SH، en CF تفاوت های جنسیتی و عوامل مرتبط با آن بر اعتیاد به بازی های آنلاین در بین نوجوانان تایوانی. مجله بیماری های عصبی و روانی. 2005;193(4):273–277. (doi:00005053-200504000-00008 [pii]) [گروه]
• Ko CH ، Hsiao S. ، Liu G.، Yen J.، Yang M.، en C. ویژگیهای تصمیم گیری ، احتمال ریسک پذیری و شخصیت دانشجویان دانشجویان با اعتیاد به اینترنت. تحقیقات روانپزشکی. 2010;175(1):121–125. [گروه]
• Kreek MJ، Nielsen DA، Butelman ER، LaForge KS تأثیر ژنتیکی بر تکانشگری ، ریسک پذیری ، پاسخگویی به استرس و آسیب پذیری در برابر سوء مصرف مواد و اعتیاد. علوم اعصاب طبیعت. 2005;8(11):1450–1457. [گروه]
• Laier C. ، Pawlikowski M.، Brand M. پردازش تصاویر جنسی در تصمیم گیری تحت ابهام دخالت می کند. بایگانی رفتارهای جنسی. 2014;43(3):473–482. [گروه]
• Lee HW، Choi J.، Shin Y.، Le J. J.، Jung HY، Kwon JS Impulsivity در اعتیاد به اینترنت: مقایسه ای با قمار پاتولوژیک. روانشناسی سایبری ، رفتار و شبکه های اجتماعی. 2012;15(7):373–377. [گروه]
• Lejuez CW، Read JP، Kahler CW، Richards JB، Ramsey SE، Stuart GL،… Brown RA ارزیابی یک معیار رفتاری درمورد ریسک پذیری: وظیفه خطر آنالوگ بالون (BART) مجله روانشناسی تجربی: کاربردی. 2002;8(2):75–84. [گروه]
• Lemmens JS، Valkenburg PM، Peter J. توسعه و اعتبارسنجی مقیاس اعتیاد به بازی برای نوجوانان. روانشناسی رسانه ای. 2009;12(1):77–95.
• مایلز جی. ، شولین م. سیج؛ 2001 استفاده از رگرسیون و همبستگی: راهنمایی برای دانشجویان و محققان.
• Moeller FG ، Battatt ES ، Dougherty DM، Schmitz JM، Swann AC جنبه های روانپزشکی از انگیزش. مجله روانپزشکی آمریکا. 2001;158(11):1783–1793. [گروه]
• Montag C.، Bey K.، Sha P.، Li M.، Chen Y.، Liu W.،… Keiper J. آیا تمایز بین اعتیاد عمومی و خاص اینترنت است؟ شواهدی از یک مطالعه متقابل فرهنگی از آلمان ، سوئد ، تایوان و چین. روانپزشکی آسیا و اقیانوسیه. 2015;7(1):20–26. [گروه]
• Patton JH ، استنفورد ساختار MS فاکتور مقیاس تحریک پذیری بارات. مجله روانشناسی بالینی. 1995;51(6):768–774. [گروه]
• Pawlikowski M.، Brand M. بازی بیش از حد اینترنت و تصمیم گیری: آیا دنیای بیش از حد بازی های جنگی در شرایط تصمیم گیری در شرایط پرخطر مشکلاتی دارند؟ تحقیقات روانپزشکی. 2011;188(3):428–433. [گروه]
• Pawlikowski M. ، Altstötter-Gleich C. ، Brand M. اعتبار سنجی و خصوصیات روان سنجی یک نسخه کوتاه از آزمون اعتیاد به اینترنت یانگ. رایانه در رفتار انسان. 2013;29(3):1212–1223.
• پیترز CS ، Malesky LA ، جونیور استفاده مشکلی در میان بازیکنان بسیار درگیر بازی های نقش آفرینی آنلاین چند نفره. روانشناسی سایبری و رفتار. 2008;11(4):481–484. [گروه]
• Rumpf H. ، Meyer C.، Kreuzer A.، John U.، Merkeerk G. Vol. 31 2011 Prävalenz der internetabhängigkeit (PINTA). Bericht an Das Bundesministerium Für Gesundheit. گریفسوالد اون لوبک. (12ff)
• Schiebener J. ، Brand M. تصمیم گیری در شرایط خطر عینی - بررسی همبستگی های شناختی و عاطفی ، استراتژی ها ، پردازش بازخورد و تأثیرات بیرونی. بررسی روانشناسی عصبی. 2015;25(2):171–198. [گروه]
• Schoenbaum G. ، Roesch MR ، قشر Stalnaker TA Orbitofrontal ، تصمیم گیری و اعتیاد به مواد مخدر. روندها در علوم اعصاب. 2006;29(2):116–124. [گروه]
• Schönbrodt FD، Gerstenberg FX تجزیه و تحلیل IRT از پرسشنامه های انگیزه: مقیاس انگیزه متحرک. مجله تحقیقات در شخصیت. 2012;46(6):725–742.
• Siedler T.، Schupp J.، Spiess CK، Wagner GG پانل اقتصادی و اجتماعی آلمانی به عنوان یک مجموعه داده مرجع. اشولرز جهربوچ. 2008;129(2):367–374.
• Stanford MS، Mathias CW، Dougherty DM، Lake SL، Anderson NE، Patton JH پنجاه سال از مقیاس تحریک پذیری بارات: به روز رسانی و بررسی. شخصیت و تفاوت های فردی. 2009;47(5):385–395.
• Sun D. ، Chen Z.، Ma N.، Zhang X.، Fu X.، Zhang D. توابع تصمیم گیری و مهار پاسخ زودهنگام در کاربران بیش از حد اینترنت. طیف CNS. 2009;14(02):75–81. [گروه]
• Tao R.، Huang X.، Wang J.، Zhang H.، Zhang Y.، Li M. معیارهای تشخیصی برای اعتیاد به اینترنت پیشنهاد شده است. اعتیاد. 2010;105(3):556–564. [گروه]
• Yao Y.، Chen P.، Chen C.، Wang L.، Zhang J.، Xue G.،… Fang X. عدم استفاده از بازخورد باعث نقص تصمیم گیری در بین گیمرهای اینترنت بیش از حد می شود. تحقیقات روانپزشکی. 2014;219(3):583–588. [گروه]
• Yao YW، Wang LJ، Yip SW، Chen PR، Li S.، Xu J.،… Fang XY تصمیم گیری مختل شده در معرض خطر با نقص مهار خاص بازی در بین دانشجویان دانشگاه مبتلا به اختلال بازی اینترنت همراه است. تحقیقات روانپزشکی. 2015;229(1):302–309. [گروه]
• Young KS روانشناسی استفاده از رایانه: XL. استفاده اعتیاد آور از اینترنت: موردی که کلیشه را می شکند. گزارش های روانشناختی. 1996;79(3):899–902. [گروه]
• جوان KS جان ویلی و پسران؛ 1998. گرفتار در شبکه: چگونه علائم اعتیاد به اینترنت را بشناسیم - و یک استراتژی برنده برای بهبودی.
• اعتیاد به اینترنت KS جوان: ظهور یک اختلال بالینی جدید. روانشناسی سایبری و رفتار. 1998;1(3):237–244.