Onko hyödyllistä käyttää Internet-viestintää pakenemaan ikävystyksestä? Ikävystyminen on vuorovaikutuksessa cue-indusoitujen himo- ja välttämisodotusten kanssa selittämällä Internet-viestinnän häiriön oireita (2018)

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

Abstrakti

Verkkoviestintäsovellusten, mukaan lukien lähettiläiden (esim. WhatsApp) tai sosiaalisen verkostoitumisen palveluiden (esim. Facebook), käyttö älypuhelimella on muuttunut päivittäiseksi käytännöksi miljardeille ihmisille, esimerkiksi odotusaikoina. Yhä useammat ihmiset osoittavat vähentynyttä hallintaa näiden sovellusten käytöstä huolimatta arkielämän kielteisistä vaikutuksista. Tätä voidaan kutsua Internet-viestinnän häiriöksi (ICD). Tässä tutkimuksessa tutkittiin ikävystymisen vaikutusta ICD: n oireisiin. Lisäksi tutkittiin kognitiivisten ja afektiivisten mekanismien välittävää roolia, nimittäin odotuksia, joilla vältetään negatiiviset tunteet verkossa ja kii-indusoitunut himo. Rakenneyhtälömallin (N = 148) tulokset osoittavat, että ikävystymisprosenssi on riskitekijä ICD: n kehityksessä ja ylläpidossa, koska sillä oli merkittävä suora suora vaikutus ICD-oireisiin. Lisäksi ikävystymisen äärellisyys ennusti välttämisen odotuksia ja lyönnin aiheuttamaa himoa. Molemmat puolestaan ​​lisäsivät riskiä kehittää ICD-taipumuksia. Lisäksi molemmat muuttujat välittävät ikävystymisen vaikutuksen ICD: hen ja olivat vuorovaikutuksessa keskenään. Yhteenvetona voidaan todeta, että tulokset osoittavat, että ihmiset, jotka ovat alttiimpia kokemaan kylläisyyttä, osoittavat korkeampia odotuksia välttääkseen negatiivisia tunteita verkossa, mikä edistää voimakkaampaa himoreaktiota kohdatessaan tiettyjä vihjeitä (esim. Saapuva viesti), ja voi johtaa ICD-taipumuksiin.

Citation: Wegmann E, Ostendorf S, merkki M (2018) Onko Internet-viestinnän hyödyntäminen ikävystymisestä pakoon? Tylsyyden painopiste on vuorovaikutuksessa kiven aiheuttaman halun ja välttämisen odotusten kanssa selittäessään Internet-viestinnän häiriön oireita. PLOS ONE 13 (4): e0195742. https://doi.org/10.1371/journal.pone.0195742

Editor: Phil Reed, Swansean yliopisto, YHDISTYNYT KUNINGASKUNTA

Otettu vastaan: Marraskuu 22, 2017; hyväksytty: Maaliskuu 28, 2018; Julkaistu: Huhtikuu 19, 2018

Copyright: © 2018 Wegmann et ai. Tämä on avoimen pääsyn artikkeli, jota jaellaan Creative Commons Nimeä lisenssi, joka sallii rajoittamattoman käytön, levityksen ja kopioinnin missä tahansa välineessä edellyttäen, että alkuperäinen tekijä ja lähde on hyvitetty.

Tiedon saatavuus: Kaikki asiaankuuluvat tiedot ovat paperissa ja sen tukitiedostoissa.

Rahoittajat: Tekijät eivät saaneet erityistä rahoitusta tähän työhön.

Kilpailevat kiinnostuksen kohteet: Tekijät ovat ilmoittaneet, ettei kilpailevia etuja ole.

esittely

Älypuhelimen lanseerauksen myötä yli kymmenen vuotta sitten, sitä käyttävien ihmisten määrä kasvaa edelleen. Älypuhelinten käyttäjien määrän maailmanlaajuisesti ennustetaan nousevan 2.32 miljardiin 2017-arvoon, ja sen odotetaan nousevan 2.87 miljardiin käyttäjään 2020: ssä [1]. Älypuhelimessa suosituimpia online-sovelluksia ovat muun muassa verkkoviestintäsovellukset. Niiden avulla käyttäjät voivat olla suoraan yhteydessä toisiinsa, pysyä yhteydessä etäisiin ystäviin ja jakaa henkilökohtaisia ​​tietoja, kuvia tai videoita [2, 3]. Termi 'online-viestintäsovellukset' sisältää erittäin suositut sovellukset, kuten pikaviestintäpalvelun WhatsApp, jolla on yli 1.3 miljardia aktiivista käyttäjää kuukaudessa [4] tai sosiaalisen verkostoitumisen palveluita, kuten Facebook, 2 miljardin kuukausittain aktiivisen käyttäjän kanssa [5]. Internet-viestinnän ja älypuhelimien käytön monien etujen lisäksi yhä useammat ihmiset kokevat kielteisiä seurauksia näiden sovellusten liiallisesta ja aikaa vievästä käytöstä [2, 6-8]. Erityisesti erilaisten mobiililaitteiden saatavuus ja helppo ja pysyvä pääsy tällaisiin sovelluksiin antavat ihmisten olla vuorovaikutuksessa ja kommunikoida muiden kanssa koko päivän - milloin tahansa, missä tahansa [9, 10]. Tämä käyttäytyminen voi johtaa patologiseen ja pakonomaiseen käyttöön, joka on verrattavissa muihin käyttäytymisriippuvuuksiin tai aineiden käyttöhäiriöihin, kuten useat tutkimukset ja tutkijat ovat ehdottaneet [7, 8].

Internet-viestinnän häiriön kognitiiviset ja afektiiviset korrelaatiot

Internetin lisääntyvä käyttö kaikkialla maailmassa johtaa tutkimukseen yhä useampaan tutkimukseen, joka keskittyy Internetin käytön häiriöihin erityisenä käyttäytymisriippuvuuden tyyppinä [2, 7, 11]. Lisäksi jotkut tutkimukset viittaavat tietyn tyyppiseen Internetin käyttöhäiriöön, Internet-viestintähäiriöön (ICD). ICD kuvaa online-viestintäsovellusten riippuvuutta aiheuttavaa käyttöä [6-8, 12]. Internet-käyttöhäiriön ominaispiirteistä johdetut ICD-oireet määritellään hallinnon menettämiseksi, uusiutumiseksi, vieroitusoireiksi, huolestuneisuudeksi, etujen laiminlyönniksi, suvaitsevaisuudeksi ja negatiivisiksi seurauksiksi sosiaalisessa, ammatillisessa tai henkilökohtaisessa elämässä [6, 7, 13, 14]. Davis [12] tarjosi ensimmäisen teoreettisen mallin, joka kuvaa Internetin epäspesifisen patologisen käytön mekanismeja sekä tietyn Internetin käyttöhäiriön. Viime aikoina Brand, Young [7] esitteli uuden teoreettisen mallin, I-PACE (Person-Affect-Cognition-Execution Interaction of Person-Affect-Cognition-Execution), joka tiivistää mahdollisten mekanismien tiettyjen Internet-käytön häiriöiden, kuten ICD, kehittämiselle ja ylläpitämiselle. I-PACE-malli kuvaa ihmisen ydinominaisuuksien sekä afektiivisten, kognitiivisten ja toimeenpano-osien vuorovaikutusta. Se viittaa siihen, että ihmisen perusominaisuudet, kuten persoonallisuus, sosiaaliset kognitiot, psykopatologiset oireet, biopsykologiset tekijät ja erityiset taipumukset vaikuttavat subjektiiviseen käsitykseen tilanteesta. Tämän käsityksen muodostavat tekijät, kuten vastakkainasettelu riippuvuuteen liittyvien vihjeiden kanssa, stressi, henkilökohtaiset konfliktit, epänormaali mieliala sekä yksilölliset afektiiviset ja kognitiiviset vastaukset. Viimeksi mainittuihin sisältyy kiinreaktiivisuus, himo, huomioharhaisuus tai muut Internet-aiheiset kognitiiviset puolueellisuudet ja toimintahäiriöt. Näiden yksilöllisten afektiivisten ja kognitiivisten tekijöiden oletetaan välittävän tai lieventävän henkilön ydinominaisuuksien vaikutusta tietyn Internet-käytön häiriön kehittymiseen ja ylläpitämiseen. Tuotemerkki, nuori [7] kuvaavat, että afektiivisten ja kognitiivisten vasteiden vaikutus on vuorovaikutuksessa toimeenpanevien tekijöiden, kuten estävän valvonnan, kanssa. Päätös käyttää tiettyä sovellusta tyydytyksen tai korvauksen saamiseksi voi johtaa sovelluksen liialliseen käyttöön, vahvistaa siten erityisiä taipumuksia sekä noidankehän kaltaisia ​​afektiivisiä, kognitiivisia ja toimeenpanevia tekijöitä (tarkempi kuvaus mallista ja yksityiskohtainen kuvaus empiirisistä tutkimuksista, katso [7]).

Aikaisemmat tutkimukset ovat jo osoittaneet, että psykopatologisten oireiden, kuten masennuksen ja sosiaalisen ahdistuksen, sekä persoonallisuusnäkökohtien, kuten stressiherkkyyden, itsetunnon ja itsetehokkuuden, vaikutus ICD: n taipumuksiin välittyy erityisillä kognitioilla, kuten toimimattomat selviytymistavat ja Internetin käyttöodotukset [8, 15]. Wegmann, Oberst [16] osoitti, että etenkin välttämiseen liittyvät odotukset, mukaan lukien halu paeta todellisuudesta, kiinnittää huomiota tosielämän ongelmiin tai välttää yksinäisyyttä, ovat merkityksellisiä ICD-oireiden selittämisessä. Tuotemerkki, Laier [17] sekä Trotzke, Starcke [18] osoitti, että korkeat odotukset tiettyjen sovellusten käyttöön mahdollisuutena kokea nautintoa tai häiritä ongelmia välittävät henkilökohtaisten näkökohtien ja yleistyneen (määrittelemättömän) Internetin käyttöhäiriön ja vastaavasti Internet-ostoksien välistä suhdetta.

Internetin käytön odotusten käsitteen lisäksi Brand, Young [7] väittävät lisäksi, että kii-reaktiivisuus ja himo vaikuttavat olevan tärkeitä rakenteita kehitettäessä ja ylläpitämällä tiettyjen sovellusten patologista käyttöä. Tämä oletus perustuu aiempaan tutkimukseen aineiden käyttöhäiriöistä (katso esimerkiksi tulokset [19] sekä muut käyttäytymisriippuvuudet [20], jotka osoittavat, että addikti on alttiina riippuvuuteen liittyville ärsykkeille, jotka laukaisevat palkitsemisalueita aivoissa [21-25]. Himo kuvaa halua tai halua käyttää huumeita tai osoittaa riippuvuuskäyttäytymistä toistuvasti [26, 27]. Lukureaktiivisuuden ja himojen käsite on siirretty käyttäytymisriippuvuuksien tutkimukseen. Jännitysreaktion ja himojen käyttäytymiskorrelaatit on havaittu jo Internet-ostoshäiriöissä [18], Internet-pornografian katseluhäiriö [28, 29], Internet-pelihäiriö [30, 31], Internet-rahapelien häiriöt [32, 33] ja ICD [34].

Vaikka tutkimuksissa korostetaan näiden afektiivisten (kii-reaktiivisuus ja himo) ja kognitiivisten (Internet-odotukset) komponenttien tärkeätä roolia tietyn Internet-käytön häiriön kehittämisessä ja ylläpitämisessä, näiden tekijöiden vuorovaikutus, jonka oletetaan olevan I -PACE-malli, on edelleen epäselvä. Tämä tutkimus perustuu joihinkin I-PACE-mallin oletuksiin, erityisesti afektiivisten ja kognitiivisten mekanismien välitysvaikutuksiin ihmisen ydinominaisuuksien ja ICD-oireiden välisessä suhteessa. Tämän tutkimuksen tarkoituksena on selvittää ihmisen ydinominaisuuksien vaikutusta ICD: hen, jota välittävät sekä Internetiin liittyvät kognitiiviset ennakkoluulot (esim. Internetin käytön odotukset) että afektiiviset ennakkoluulot (esim. Kii-indusoitu himo). Perustuu Wegmann, Oberst [16], oletamme, että odotettavissa olevien vaikutusten välttämiseksi negatiivisia tunteita online-viestintäsovelluksia käyttämällä välittyy kii-indusoimalla halu, kuten kuvataan Brand, Youngin mallissa [7]. Tutkimuksen toisena tavoitteena keskitymme ikävystymiselle alttiuden merkityksen selvittämiseen ICD: ssä. Siksi haluaisimme ymmärtää paremmin ihmisen perusominaisuuksien ja tietyn Internet-käytön häiriön oireiden välistä suhdetta, jota ei ole vielä tutkittu ICD: n yhteydessä.

Tylsyyden äärellisyys ennusteena ICD: lle

Tylsyyden käsitteellistäminen määräytyy erilaisten tilanteellisten ja yksilöllisten tekijöiden perusteella [35]. Itse tylsyyttä voidaan kuvata negatiivisena mielentilana tai sisäisenä konfliktina odotetun ja havaitun kokemuksen välillä [36, 37]. Brissett ja lumi [38] määritteli tylsyyden tilaksi, jossa "alistimulaatio, alikertaaminen ja tyytymättömyyteen liittyvä psykologinen osallistuminen puuttuu, ja yksilöt yrittävät selviytyä tylsyydestä etsimällä lisästimulaatiota" [39]. Tähän tilaan liittyy myös epämiellyttäviä tunteita, joista ihmiset yrittävät paeta [40, 41]. Pelkästään tylsyyden äärellisyys määritellään ominaisuuden tylsyydeksi. Tylsyyden kovuuden konstruktiota käytetään usein "yksilön taipumuksena kokea tylsyyttä" [35]. Lisäksi ikävystymiseen liittyy yksilön vaikeuksia kiinnittää huomiota ärsykkeeseen, olla tietoinen tästä huomion alijäämästä ja yrittää vähentää ikävystymisen kokemusta valtiona [35, 42].

Useat tutkimukset korostavat ikävystymisprosenssin kliinistä merkitystä osoittamalla, että tylsyys (proneness) liittyy alkoholinkulutukseen [43], psykoaktiivisten aineiden käyttö [44], masennuksen ja ahdistuksen indeksit [35] ja terveysongelmat yleensä [45]. Zhou ja Leung [46] osoitti, että vapaa-ajan ikävystyminen liittyy riskialttiisiin käyttäytymisiin, kuten rikollisuuteen, äärimmäiseen sensaatioon ja huumeiden väärinkäyttöön [36, 46, 47]. Mahdollisena selityksenä ikävystymisen ja päihteiden käytön (esim. Alkoholin juominen) väliselle suhteelle, Biolcati, Passini [48] tutki odotuksien mahdollisia välitysvaikutuksia alkoholinkulutukseen. Tulokset osoittivat, että ikävystymisen puuttumisen vaikutukseen alkoholinkäytön käyttäytymiseen välittyvät odotusten paeta tylsyydestä, paeta ongelmista ja selviytyä negatiivisista tunneista [48]. Lisäksi empiirinen tutkimus erilaisista käyttäytymisriippuvuuksista tai patologisista käyttäytymisistä selittää tylsyyden merkityksen riskialttiille käyttäytymisille. Esimerkiksi Blaszczynski, McConaghy [49] osoitti, että uhkapelihäiriöiden potilaiden tylsyyden mittaukset olivat korkeammat kuin muiden kuin pelaajien. Uhkapelit näyttävät olevan heidän mahdollisuus välttää tai vähentää negatiivisia tiloja tai tunnelmia. Tämä on Fortune'n ja Goodie'n ilmoittamien tulosten mukainen [50] havainnollistaa, että patologinen uhkapelaaminen liittyy ikävystymisalttiuteen, mikä on ala-asteikko Zuckermanin, Eysenckin, Sensation Seeking Scale -muodolle V [51].

Kuten aiemmin on kuvattu, älypuhelimien käyttö jokapäiväisessä elämässä johtuu helposta ja pysyvästä käytöstä, joka mahdollistaa jatkuvan viestinnän ja viihteen [2, 52]. Olettamme, että kestävän stimulaation mahdollisuus johtaa älypuhelimen ja online-viestinnän sovellusten aikaa vievään ja liialliseen käyttöön. Samoin ikävystymisen välttäminen näyttää olevan päämotivaatio käyttää Internetiä [53]. Lin, Lin [37] osoitti, että ikävystyminen ja korkea osallistuminen Internetiin lisäävät molemmat Internetin käyttöhäiriön todennäköisyyttä. Kirjoittajat korostavat, että Internet näyttää olevan mahdollisuus etsiä jännitystä ja nautintoa, mikä nostaa patologisen käytön tasoa. Tämä on johdonmukaista aiemman tutkimuksen kanssa, jossa korostetaan Internetin käytön häiriön ja tylsyyden korkeamman äärellisyyden välistä suhdetta [54-56]. Zhou ja Leung [46] määritteli tämän suhteen ja osoitti, että ikävystyminen ennustaa sosiaalisten verkostoitumissivustojen patologista käyttöä sekä sosiaalisen verkostoitumisen palveluiden patologista pelikäyttäytymistä. Elhai, Vasquez [42] havainnollisti, että korkeampi tylsyyden painettavuus välittää masennuksen ja ahdistuksen vaikutusta älypuhelimen ongelmakäyttäytymiseen. Kaiken kaikkiaan oletamme, että ikävystymisen puuttuminen piirtein kyllästyneenä on henkilökohtainen riskitekijä ICD: n kehityksessä.

Yhteenveto tutkimuksen tavoitteista

Tämän tutkimuksen tavoitteena on auttaa paremmin ymmärtämään taustalla olevia afektiivisiä ja kognitiivisia mekanismeja, jotka koskevat ICD: n oireita. Oletuksemme perustuvat aikaisempiin tutkimuksiin, joissa kerrottiin ikävystymisen vaikutuksesta vaarallisiin käyttäytymisiin, kuten päihteiden väärinkäyttöön [57], terveysriskit [46], patologinen uhkapeli [50] tai Internetin käyttöhäiriö [37, 54]. Oletetaan, että yksilöillä, joilla on korkeampi alttius ikävystymiseen ja jotka käyttävät älypuhelinta toistuvasti väärinkäyttäjästrategiana, kehitetään todennäköisemmin online-viestinnän sovellusten patologinen käyttö. Yhdenmukainen Brand, Youngin I-PACE-mallin kanssa [7], oletamme, että ikävystymisen vaikutuksen välittävät tietyt kognitiot. Lisäksi ja perustuu Biolcatin, Passini [48] oletamme myös, että etenkin yksilöillä, joilla on enemmän tylsyyttä ja jotka odottavat välttävänsä negatiivisia tunteita online-viestinnän sovellusten avulla, on enemmän kielteisiä seurauksia tällaisten sovellusten käytöstä. Lisätavoitteena tutkimme afektiivisten ja kognitiivisten vasteiden vaikutuksia. I-PACE-malli viittaa siihen, että välttämisen odotusten vaikutusta ICD-oireisiin välittävät korkeammat himokokemukset. Kaiken lyönnin aiheuttaman himojen välitysvaikutus voi olla merkityksellinen myös ikävystymisen ja ICD: n välisten välttämisodotusten välitysvaikutuksille. kuvio 1 tiivistää hypoteesit rakenneyhtälömallissa.

Kuva 1. Hypoteesi malli.

Hypoteesi malli ehdotettujen suorien ja epäsuorien vaikutusten analysoimiseksi, mukaan lukien ICD: n piilevät muuttujat.

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

Menetelmät

Osallistujat ja menettely

Sata neljäkymmentäkahdeksan osallistujaa, joiden ikä on välillä 18 - 60 (M = 25.61, SD = 8.94) osallistui nykyiseen tutkimukseen. Näistä 91 oli naisia ​​ja 57 oli miehiä. Kaikki osallistujat olivat verkkoviestintäsovellusten käyttäjiä, käyttöikä vaihteli kahden vuoden ja 19 vuoden välillä (M = 8.09, SD = 3.09). Verkkoviestintäsovellus WhatsApp oli yleisimmin käytetty sovellus (97.97% kaikista osallistujista), jota seurasi Facebook (78.38% kaikista osallistujista), Facebook Messenger (62.84% kaikista osallistujista) ja Instagram (53.38% kaikista osallistujista). . Muita online-viestintäsovelluksia, kuten Twitter, iMessage, Snapchat tai Skype, käytti alle 50% kaikista osallistujista. Osallistujat viettävät keskimäärin 125.41 minuuttia (SD = 156.49) päivässä käyttämällä WhatsApp-sovellusta, jota seuraa Instagram (M = 57.97, SD = 78.76), Snapchat (M = 53.71, SD = 65.40) ja Facebook (M = 55.48, SD = 84.74). Kaikkia muita sovelluksia käytettiin keskimäärin vähemmän kuin 30 minuuttia päivässä.

Rekrytoimme näytteen Duisburg-Essenin yliopistosta (Saksa) postituslistojen, online-sosiaalisten verkostojen ja suusanallisten suositusten kautta. Tutkimus suoritettiin laboratoriossa, yksilöllisessä ympäristössä. Ensinnäkin osallistujille ilmoitettiin kirjallisesti menettelystä ja he antoivat kirjallisen suostumuksen. Pyysimme heitä vaihtamaan älypuhelimensa lentotilaan ja pitämään sen taskussa osallistumisen aikana. Sen jälkeen osallistujat vastasivat verkkokyselyihin ja suorittivat kii-reaktiivisuusparadigman samoin kuin muita kokeellisia paradigmeja, jotka eivät ole merkityksellisiä nykyisessä käsikirjoituksessa. Sen jälkeen osallistujat vastasivat muihin verkkokyselyihin, kuten ikävystymiskyvyn asteikkoon, Internetin käyttöominaisuuksien asteikkoon tai lyhyeen Internet-riippuvuustestiin, jotka selitetään seuraavassa. Kaiken kaikkiaan tutkimus kesti noin tunnin. Opiskelijat saivat pisteitä osallistumisestaan. Duisburg-Essenin yliopiston eettinen toimikunta hyväksyi tutkimuksen.

Instruments

Muokattu versio lyhyestä Internet-riippuvuustestistä Internet-viestintähäiriöille (s-IAT-ICD).

ICD: n taipumukset mitattiin Internet-riippuvuustestin (s-IAT) lyhyellä versiolla, jonka teki Pawlikowski, Altstötter-Gleich [58]. Tässä tutkimuksessa käytimme muutettua versiota ICD: hen (s-IAT-ICD) [15]. Asteikolla arvioidaan subjektiivisia valituksia arkielämässä verkkoviestintäsovellusten käytöstä. Alussa annetaan määritelmä verkkoviestintäsovelluksille. Ohjeissa korostetaan, että termi verkkoviestintäsovellukset sisältää aktiivisen (esim. Uusien viestien kirjoittamisen) sekä passiivisen (esim. Selaamisen ja uusien viestien lukemisen) sosiaalisten verkostoitumissivustojen ja blogien, kuten Facebook, Twitter ja Instagram, käytön. , samoin kuin pikaviestit, kuten WhatsApp.

Osallistujien on arvioitava kaksitoista kohdetta viiden pisteen Likert-asteikolla (1 = "ei koskaan" - 5 = "hyvin usein"). Summatulos laskettiin välillä 60–30. Pisteet> 37 osoittavat online-viestintäsovellusten ongelmallista käyttöä, kun taas pisteet> 1 osoittavat verkkoviestintäsovellusten patologista käyttöä. Kysely koostuu kahdesta tekijästä (kukin kuusi kohdetta): hallinnan menetys / ajanhallinta (s-IAT-ICD 849: α = .2) ja sosiaaliset ongelmat / himo (s-IAT-ICD 708: α = .842). Sisäinen kokonaissakeus oli a = XNUMX. Molemmat tekijät edustavat ICD: n piilevää ulottuvuutta rakenteellisessa yhtälömallissa.

Cue-reaktiivisuus ja himo.

Cue-reaktiivisuuden ja himojen tutkimiseksi käytettiin cue-reaktiivisuusparadigmaa, joka koostui kahdestatoista kuvasta, jotka liittyivät verkkoviestintäsovelluksiin [34, 59]. Visuaaliset vihjeet osoittivat erilaisia ​​älypuhelimia, jotka näyttivät keskustelun erilaisten verkkoviestintäsovellusten kautta. Ärsykkeet ennustettiin ja kuvattiin aiemmassa tutkimuksessa, jonka teki Wegmann, Stodt [34]. Nykyisessä tutkimuksessa osallistujat arvioivat jokaisen kuvan herätyksestä, valenssista ja kehosta käyttää älypuhelinta viiden pisteen Likert-asteikolla (1 = “ei kiihtyvyyttä / valenssia / kiirettä” - 5 = “korkea kiihtyvyys / valenssi / kehotus”) ). esittely^® (Versio 16.5, www.neurobs.com) käytettiin cue-esitykseen ja arviointiin.

Lisäksi käytimme alkoholin halun kyselylomaketta [60] muokattu älypuhelimien käyttöön halun arvioimiseksi [34]. Kyselylomake esitettiin ennen ja jälkeen reaktioaktiviteetin paradigman, jotta mitataan lähtötilanteen himo (DAQ-ICD lähtöviivojen himo) sekä potentiaaliset himomuutokset kii-altistuksen jälkeen (DAQ-ICD-himo). Siksi osallistujien piti arvioida 14-kohteita (esim. “Älypuhelimen käyttäminen olisi tyydyttävää heti”) seitsemän pisteen Likert-asteikolla (0 = “täydellinen erimielisyys” 6 = “täydellinen sopimus”). Yhden kohteen kääntämisen jälkeen lasimme keskimääräisen pistemäärän [59]. Sisäiset johdonmukaisuudet olivat α = .851 DAQ-ICD: n perustason himoa varten ja α = .919 DAQ-ICD: n himoa varten. Seuraavissa analyyseissä DAQ-ICD-himoa ja kii-reaktiivisuusparadigman luokituksia käytettiin esittämään kii-indusoidun himojen latenttia ulottuvuutta rakenneyhtälömallilla.

Internet-käytön odotusasteikon (IUES) muutettu versio.

Internetin käyttöominaisuuksien asteikko (IUES) [17] online-viestintää varten modifioitua arvioitiin osallistujien odotuksia kohti verkkoviestintäsovellusten käyttöä [16]. Kysely sisältää kaksi tekijää (kuusi kohtaa kummassakin): positiivinen vahvistus (esim. “Käytän online-viestinnän sovelluksia nautinnon kokemiseen”; IUES positiivinen: α = .838) ja välttämättömyydet (esim. “Käytän online-viestintäsovelluksia häiritse itseäni ongelmista ”; IUES-välttäminen α = .732). Osallistujien oli arvioitava jokainen esine kuuden pisteen Likert-asteikolla (1 = ”täysin eri mieltä” ja 6 = ”täysin samaa mieltä”). Aikaisemman tutkimuksen ja teoreettisten oletusten perusteella vain vältettävyysastemuuttuja oli merkityksellinen seuraaville analyyseille.

Lyhyt ikävystymisasteikko (BPS).

Struk, Carriere [Lyhyt tylsyyden miellyttämisasteikko (BPS)61] käytettiin arvioimaan ominaisuuden tylsyyden oikeellisuutta. Asteikko koostuu kahdeksasta kohdasta (esim. “Minun liikkuminen vie enemmän stimulaatiota kuin useimmilla ihmisillä”), jotka piti arvioida seitsemän pisteen Likert-asteikolla (1 = “täysin eri mieltä” 7 = = täysin samaa mieltä) ”). Kokonaiskeskiarvo laskettiin. Sisäinen konsistenssi oli a = .866.

Tilastolliset analyysit

Tilastolliset analyysit suoritettiin käyttämällä SPSS 25.0 for Windows (IBM SPSS Statistics, julkaistu 2017). Laskemme Pearsonin korrelaatiot kaksimuuttujasuhteiden testaamiseksi kahden muuttujan välillä. Korrelaatioita tulkittiin yksityiskohtaisemmin käyttämällä efektikokoja. Perustuu Cohen [62], Pearsonin korrelaatiokerroin r ≥ .01 ilmaisee pienen, r ≥ .03 väliaine ja r ≥ .05 suuri vaikutus. Rakenneyhtälömallin (SEM) analyysit laskettiin käyttämällä Mplus 6 [63]. SEM-mallin sovituksen arvioimiseksi käytimme standardoitua jäännöskeskiarvon neliöjäännöstä (SRMR; arvot <.08 tarkoittavat hyvää sovittamista tietoihin), likiarvon neliövirhettä (RMSEA; arvot <.08 tarkoittavat hyvää ja <.10 hyväksyttävä sovitus dataan) ja vertailevat sovitusindeksit (CFI ja TLI; arvot> .90 tarkoittavat hyväksyttävää ja> .95 osoittavat hyvää sovittamista tietoihin) [64, 65]. Käytimme myös χ²-Testi tarkistaa, ovatko tiedot johdettu määritellystä mallista. Lisävaiheena SEM: n mittausvirheiden vähentämiseksi käytimme kappaleiden osittamismenetelmää muuttujille, jotka esitetään manifestimuuttujina. Tämä menetelmä mahdollistaa näiden muuttujien piilevien mittojen rakentamisen SEM: ssä [66, 67]. Siksi tarkistimme kunkin asteikon kohteiden väliset korrelaatiot ja loimme sitten kaksi tekijää IUES: n ja BPS: n piileville mittoille.

tulokset

Kuvailevat arvot ja monimuuttujatilastot

Kaikkien kyselylomakkeiden keskiarvot ja keskihajonnat sekä kii-reaktiivisuus-paradigman arvosanat löytyvät Taulukko 1. Tuotteen parceloinnin konstruoidut muuttujat sisällytetään lisäarvoihin. Taulukko 2 näyttää kahden muuttujan korrelaatiot näiden muuttujien välillä. Perustuu Pawlikowskin, Altstötter-Gleichin rajapisteisiin [58], 23-osallistujat osoittivat ongelmallista ja seitsemän osallistujaa osoittivat verkkoviestinnän sovellusten patologista käyttöä, joka liittyy näiden sovellusten käytön aiheuttamiin subjektiivisiin valituksiin jokapäiväisessä elämässä ja kuvailee ICD: n oireita.

Taulukko 1. S-IAT-ICD: n ja käytettyjen asteikkojen keskiarvot, keskihajonnat ja pisteiden alue.

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

Lataa:

• PPT

Powerpoint-sivu

• PNG

suurempi kuva

• TIFF

alkuperäinen kuva

Taulukko 2. Kaksimuuttujakorrelaatiot s-IAT-ICD: n pisteiden ja käytettyjen asteikkojen välillä.

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

Rakenneyhtälön malli

Hypoteettinen rakenneyhtälömalli, piilevällä tasolla, osoitti erinomaisen sopivuuden datan kanssa (SRMR = .029, CFI = .986, TLI = .972, RMSEA = .063, p = .299, BIC = 3962.65). χ²-Testi osoitti myös hyvää istuvuutta (χ² = 22.25, p = .074, χ²/ df = 1.59). Kaikki määritellyt piilevät ulottuvuudet edustavat hyvin käytettyjä manifestimuuttujia. Ensimmäisessä vaiheessa tulokset osoittavat, että tylsyyden äärellisyys (β = .384, SE = .096, p ≤ .001), kii-indusoitu himo (β = .414, SE = .102, p ≤ .001) ja välttämisen odotukset (β = .255, SE = .109, p = .011) olivat merkittäviä ennustajia ICD-taipumuksille. Tylsyyden painopisteellä oli myös suora vaikutus kii-indusoimaan himoon (β = .411, SE = .100, p ≤ .001) ja välttämättömyydet (β = .567, SE = .084, p ≤ .001). Lisäksi välttämisodotukset olivat merkittävä ennuste kii-indusoidulle himoa (β = .361, SE = .107, p = .001). Kyllästymisen vaikutusta ICD: n oireisiin välitti kii-indusoima himo (β = .170, SE = .058, p = .003) ja välttämällä odotuksia (β = .145, SE = .063, p = .021). Vältämisen odotusten vaikutusta ICD-taipumuksiin välitti myös kii-indusoima himo (β = .149, SE = .059, p = .011). Lisäksi ikävystymisprosenssin ja ICD-oireiden välistä suhdetta vältivät välttämättömyydet ja lisäksi kii-indusoitu himo (tylsyyden äärellisyys - välttämisenodotukset - kii-indusoitu himo - ICD; β = .085, SE = .037, p = .021); tällä sovittelulla oli kuitenkin vain vähäinen vaikutus. Kaiken kaikkiaan analysoitu malli selitti merkittävästi 81.60% ICD-oireiden varianssista. kuvio 2 näyttää mallin tekijäkuormituksilla, β-painoilla ja kertoimilla.

Lataa:

• PPT

Powerpoint-sivu

• PNG

suurempi kuva

• TIFF

alkuperäinen kuva

Kuva 2. Rakenneyhtälömallin tulokset.

Tulokset rakenneyhtälömallista, jossa ICD on riippuvainen muuttuja, mukaan lukien tekijäkuormat kuvattuihin piileviin muuttujiin ja niihin liittyvät β-painot, p-arvot ja jäännökset.

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

Lisäanalyysit

Aikaisemmin kuvailtu malli perustui teoreettisiin näkökohtiin ja muihin empiirisiin todisteisiin, kuten Wegmann, Stodt, rakenneyhtälömalleihin [15] ja Wegmann ja Brand [8]. Siitä huolimatta halusimme myöhemmin hallita mallia muille mahdollisille vaikuttaville tekijöille ymmärtääksemme paremmin ICD: n taustalla olevia mekanismeja. Ensimmäinen kysymys, johon puhuimme, oli ikävystymisen läheinen yhteys masennukseen ja ahdistukseen [35, 68, 69]. Elhai, Vasquez, tämänhetkinen tutkimus [42] kuvaa, että psykopatologisten oireiden ja älypuhelimien ongelmakäytön välistä suhdetta välittää korkeampi tylsyyden puhe. Arvioimme psykopatologisia oireita, kuten masennusta (M = 0.53, SD = 0.53), henkilöiden välinen herkkyys (M = 0.72, SD = 0.64) ja ahdistus (M = 0.55, SD = 0.49) käyttämällä Derogatisin Lyhyt oireiden inventaario-kyselyä [70]. Koska psykopatologisia oireita toteuttavat muuttujat korreloivat merkittävästi nykyisen mallin muiden muuttujien kanssa (kaikki r'≤ .448, kaikki p'≤ .024), sisällytimme psykopatologiset oireet (nimittäin masennus, ihmisten välinen herkkyys ja ahdistus) lisävarusteena piilevään ulottuvuuteen mallissa. Perustuu Elhai, Vasquez [42] tarkistimme, perustuuko ikävystymisprosenssin vaikutus psykopatologisten oireiden rakenteeseen vai kuvaako ikävystymisprosenssi omaa tilastollista lisäystä, kuten aiemmissa tutkimuksissa korostettiin [35, 42, 68].

Kuten kohdassa kuvio 3, tulokset osoittavat, että psykopatologisilla oireilla on ratkaiseva merkitys ICD: n kehittämisessä ja ylläpitämisessä, mikä on aiemman tutkimuksen mukainen [8, 15, 42]. Tylsyyden painettavuuden merkitys tärkeänä ennusteena ICD: n oireille ei kuitenkaan vähene merkittävästi sen jälkeen, kun psykopatologiset oireet on sisällytetty rakenneyhtälömalliin. Tämä korostaa, että tylsyyden kielteisyys ja psykopatologiset oireet liittyvät toisiinsa, mutta riippumattomiin rakenteisiin, joiden vaikutuksia ICD: n taipumuksiin välittävät kognitiiviset ja afektiiviset komponentit. Ylimääräisen rakenneyhtälömallin tulokset, mukaan lukien tekijäkuormat kuvatuille piileville muuttujille ja niihin liittyvät β-painot, p-arvot ja jäännökset on esitetty yhteenvetona kuvio 3.

Kuva 3. Lisärakenneyhtälömallin tulokset.

Tulokset rakenneyhtälömallista, jolla on psykopatologisia oireita lisä ennustemuuttujana mukaan lukien tekijäkuormat kuvattuihin piileviin muuttujiin ja niihin liittyvät β-painot, p-arvot ja jäännökset (lyhenteet: PP = psykopatologiset oireet, BP = tylsyyden voimakkuus, AE = välttämisen odotukset, CRAV = kii-indusoitu himo, ICD = Internet-viestintähäiriö).

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

Pidimme myös ikää ja sukupuolta mahdollisina muuttujina, jotka voivat vaikuttaa nykyisen mallin rakenteeseen. Siksi lasimme ensin korrelaatiot iän ja kaikkien muiden muuttujien välillä. Tulokset osoittavat pieniä korrelaatioita (kaikki r's ≤ -.376). Nämä korrelaatiot havainnollistavat tuttua mallia, jonka mukaan nuoremmat osallistujat kokevat suurempia subjektiivisia valituksia jokapäiväisessä elämässä verkkoviestintäsovellusten liiallisen käytön takia. Seuraavana vaiheena hallitsimme tietojamme sukupuolierojen suhteen käyttämällä t-testivertailuja riippumattomiin näytteisiin. Tulokset osoittivat, että miesten ja naisten välillä ei ollut merkittävää eroa (p ≥ .319). Rakenteellinen yhtälömalli lisäanalyysin perusteella sukupuolen mukaan laskettiin keskimääräisen rakenneanalyysin avulla etenemiskeinona [71]. Rakenneyhtälömallin sopivuusindeksit osoittavat hyvän sopivuuden tietoihin (CFI = .975, TLI = .961, SRMR = .060, RMSEA = .075, p = .194, BIC = 4050.63). Sekä mies- että naispuolisten osallistujien kohdalla löysimme samanlaisia ​​tulokset. Naispuoliset osallistujat osoittivat samanlaisia ​​välitysvaikutuksia kuin oletetussa rakenneyhtälömallissa havainnollistetaan. Miehillä emme löytäneet suoraa vaikutusta välttämisodotuksista ICD-taipumuksiin (β = .153, SE = .133, p = .249), ei vältyttävien odotusten välitysvaikutusta ikävystymisprosenssin ja ICD: n väliseen suhteeseen (β = .029, SE = .030, p = .327), eikä halun välitysvaikutusta ikävystymisprosenssin ja ICD-oireiden väliseen suhteeseen (β = .073, SE = .065, p = .262). Pienien otoskokojen vuoksi, etenkin urosnäytteen suhteen, tuloksista on keskusteltava varovaisesti ja niitä on valvottava jatkotutkimuksissa.

Keskustelu

Tässä tutkimuksessa testasimme teoreettisen mallin paikkansapitävyyttä olettamalla tylsyyden äärellisyyden ja afektiivisten ja kognitiivisten komponenttien vuorovaikutusta ICD-oireiden selittämiseksi. Latentin tason rakenneyhtälömalli antoi erinomaisen sopivuuden tietoihin käyttämällä kappaleiden parcelointimenetelmää mittausvirheiden vähentämiseksi. Kaiken kaikkiaan ikävystymisprosenssi ja kognitiivisten ja afektiivisten komponenttien välitysvaikutukset, nimittäin välttämättömyydet ja kii-aiheuttama himo, selittivät 81.60%: n ICD-oireiden variaatiosta. Tulokset osoittavat, että ikävystymisprosenssilla on suora vaikutus ICD: n kehitykseen ja ylläpitämiseen. Se oli merkittävä ennustaja odotuksille välttää negatiivisia tunteita ja paeta todellisuudesta samoin kuin kiven aiheuttamaan himoon. Nämä afektiiviset ja kognitiiviset komponentit välittävät ikävystymisen vaikutuksen ICD: hen. Tulokset korostavat edelleen mainittujen välittäjien vuorovaikutusta, koska välttämisen odotusten vaikutus ICD-oireisiin välittyi osittain kii-indusoidulla himoilla. Lisäksi ikävyyden ja ICD-oireiden välisestä suhteesta johtuvien välttämisodotusten välittäminen tapahtui kii-indusoimalla.

Tulokset tukevat hypoteesia, jonka mukaan suhtautuminen ikävystymiseen alttiina osana ihmisen ydinominaisuuksia ja kokemus kielteisistä seurauksista, jotka johtuvat verkkoviestintäsovellusten liiallisesta käytöstä, välittyy afektiivisilla ja kognitiivisilla vasteilla ulkoisiin kontekstiin liittyviin ärsykkeisiin , kuten visuaaliset vihjeet, jotka näyttävät keskustelut erilaisten verkkoviestintäsovellusten kautta. Nykyiset tulokset laajentavat aikaisempien tutkimusten tuloksia, jotka jo osoittivat, että psykopatologisilla oireilla (kuten masennus tai sosiaalinen ahdistus) ja persoonallisuusnäkökohdilla (kuten stressiherkkyys tai itsetunto) on vaikutus ICD-oireisiin, joita välittävät tietyt kognitiot (kuten toimintahäiriöinen selviytymistapa tai Internetin käyttöodotukset) [8, 15]. Tulokset ovat yhdenmukaisia ​​Brand, Youngin ehdottaman teoreettisen I-PACE-mallin kanssa [7]. Keskeinen I-PACE-malliin on ihmisen ydinominaisuuksien vaikutus subjektiiviseen havaintoon tilanteesta, esim. Kun he joutuvat kohtaamaan riippuvuuteen liittyviä ärsykkeitä, henkilökohtaisia ​​konflikteja tai stressiä. Situatiivisten elementtien subjektiivisesti värillinen havaitseminen johtaa yksilöllisiin afektiivisiin ja kognitiivisiin vasteisiin, kuten kii-reaktiivisuus ja himo, jota kuvataan haluna käyttää tiettyä sovellusta ja vähentää negatiivisia afektiivisia tiloja [20, 24]. Tämän tutkimuksen tulokset tukevat tätä olettamusta osoittamalla, että osallistujat, joilla on korkeampi alttius ikävystymiseen (yhdeksi ihmisen perusominaisuuksista) tai jotka eivät pysty säätelemään huomiota ärsykkeisiin [35], on suurempi riski käyttää verkkoviestintäsovelluksia liikaa. Tuloksia parantaa myös Elhai, Vasquez [42] samoin kuin lisäanalyysimme, joka korostaa, että psykopatologiset oireet, kuten masennus, ihmisten välinen herkkyys ja ahdistus voivat johtaa suurempiin ikävystymisen alttiisuuksiin ja suurempaan riskiin online-viestinnän sovellusten patologisessa käytössä. Tätä käyttäytymistä vahvistetaan, kun ihmiset kohtaavat erityisiä (älypuhelimiin liittyviä) ärsykkeitä ja kokevat halua käyttää älypuhelinta tai tiettyä viestintäsovellusta. Näyttää siltä, ​​että älypuhelimen käyttö on automaattinen tapa nähdä kuvakkeen tai kuunnella saapuvan viestin ääntä [34]. Verkkoviestintäsovellusten käyttäjät ovat saattaneet kehittää tällaisen tavan yrittää selviytyä epämiellyttävistä tunneista, kuten tylsyydestä, ja siten paeta kokeneesta alistimulaatiosta [20, 36].

Vältämisen odotusten välitysvaikutus tylsyyden rohkeuden ja ICD-oireiden suhteeseen tukee tätä olettamaa. Tulokset osoittavat, että samanlainen kuin kii-indusoima himo, ikävystymisen alttius odottaa odottamaan välttämään negatiivisia tunteita verkossa ja häiritsemään ongelmia älypuhelimen tai online-viestinnän sovellusten avulla. Tämä on linjassa Biolcatin, Passini [48], joka osoittaa, että ikävystymisen ja alkoholinkäytön välisen suhteen välittäjinä ovat odotukset, jotka pakenevat alihäiriöistä ja todellisuudesta. Kirjoittajat olettavat, että etenkin nuoret, jotka ovat taipuvaisempia kokemaan tylsyyttään vapaa-ajallaan, odottavat pääsevänsä kielteisistä tunteista alkoholia juomalla, mikä lisää liiallisen juomisen riskiä [48]. Riskialtinen käyttäytyminen näyttää olevan eräänlainen huonoon mukautuvaan selviytymismekanismiin, jossa yksilöt yrittävät löytää strategioita ikävystymisen taipumuksen vähentämiseksi [35, 39, 40]. Tulokset Biolcati, Passini [48], Biolcati, Mancini [39] ja Harris [40] kuvaavat I-PACE-mallin tärkeimpiä oletuksia, kuten hypoteesia, jonka mukaan ihmiset yrittävät paeta negatiivisista tunneista tai käsitellä epänormaaleja tunnelmia, etenkin kun he joutuvat kohtaamaan riippuvuuteen liittyviä ärsykkeitä, mikä voi johtaa päätökseen käyttää tiettyä sovellusta. Koska Zhou ja Leung [46] on jo kuvaillut ikävystymisen puuttumisen ja pelaamisen yhdistymisen sosiaalisessa verkostoitumisympäristössä, tämänhetkiset tulokset määrittelevät tämän suhteen. Ilahduttamiskokemusta tai stimulaatiota aliarvioinnin tilanteessa voitaisiin kuvata tärkeänä tekijänä, joka lisää tiettyjen online-sovellusten käytön riskiä, ​​koska odotetaan vähentävän toistuvasti samankaltaisissa tilanteissa esiintyviä negatiivisia afektiivisia tiloja. Tämä on Montagin (Markowetz) tekemän neurokuvan tutkimuksen tulosten mukaista [72], joka näytti Facebookin käytön palkitsevista näkökohdista älypuhelimen kautta ja venentraalin korkeamman aktivoinnin, kun ihmiset viettävät aikaa sosiaalisen verkostoitumisen palveluihin.

Tutkimuksen toisena tavoitteena oli tutkia afektiivisten ja kognitiivisten vasteiden vuorovaikutusta ulkoisiin ärsykkeisiin. Aikaisemmissa tutkimuksissa on jo tutkittu kii-reaktiivisuuden ja himojen merkitystä [34] sekä Internetin käyttöodotukset [8, 15] ja erityisesti välttämisen odotukset [16] ICD: n kehittämistä ja ylläpitämistä varten. Näiden kahden rakenteen merkitys osoitettiin jo tietyille Internetin käytön häiriöille, kuten Internet-ostoshäiriö tai patologinen ostaminen [18, 59], Internet-pornografian katseluhäiriö [29], Internet-pelihäiriö [30, 73, 74] tai yleistynyt (määrittelemätön) Internetin käyttöhäiriö [17]. Tietojemme mukaan ei ollut tutkimusta, joka tutkisi haasteiden aiheuttaman himojen ja Internetin käytön odotusten vuorovaikutusta, kuten oletettiin I-PACE-mallissa [7]. I-PACE-mallin kirjoittajat olettavat, että Internetin käyttöodotukset ennakoivat kii-indusoiman himoa, jolla on vaikutusta tietyn Internet-käytön häiriön oireisiin. Siksi hypoteesimme, että kii-indusoima himo toimii välittäjänä Internetin käytön odotusten (lähinnä välttämisen odotukset) ja ICD-oireiden välillä. Nykyiset tulokset tukevat hypoteesia. Tulokset osoittavat, että afektiiviset ja kognitiiviset komponentit ovat vuorovaikutuksessa toistensa kanssa, mikä korostaa teoreettisen mallin avainmekanismeja. Henkilöt, joilla on erityisiä Internet-liittyviä kokemuksia (esim. Odotukset, jotka häiritsevät ongelmia, pakenevat todellisuudesta tai välttävät yksinäisyyttä), näyttävät olevan alttiita riippuvuuteen liittyville vihjeille ja näyttävät kokevan voimakkaampia himoreaktioita. I-PACE-mallissa ehdotettujen vahvistusmekanismien osalta ihmisten oletetaan päättävän käyttää "ensimmäisen valinnan" sovelluksiaan kiinnittääkseen huomiota tähän negatiiviseen tilaan ja kokeakseen tyydytystä tai korvausta. Tämä lisää riskiä menettää Internetin käytön hallinta [7]. Tulokset ovat ensimmäinen merkki, joka osoittaa afektiivisten ja kognitiivisten vasteiden vuorovaikutuksen ulkoisiin ja sisäisiin ärsykkeisiin. Koska on olemassa muita komponentteja, kuten tarkkaavainen puolueellisuus ja implisiittiset assosiaatiot sekä estävän valvonnan ja toimeenpaneva tehtävän merkitys [7], näiden tekijöiden välisiä yhteyksiä on tutkittava tarkemmin. Siksi tulevissa tutkimuksissa tulisi keskittyä ICD: hen, mutta myös muihin erityisiin Internetin käytön häiriöihin.

Näkymät ja vaikutukset

Älypuhelimien ja verkkoviestintäsovellusten käyttö arjessa näyttää olevan yleensä ongelmaton. Useimmille ihmisille on yleinen tapa käyttää älypuhelinta odottaessaan toista henkilöä tai esimerkiksi junaa. Turel ja Bechara [75] kuvaavat impulsiviteetin merkitystä myös ICD: n riskitekijänä. Kaiken kaikkiaan verkkoviestintäsovellukset näyttävät olevan hyvä esimerkki ikävystymisen ja patologisen käytön välisestä suhteesta. Voidaan olettaa, että kokemus tyytyväisyydestä ja kompensoinnista näiden sovellusten avulla on avainmekanismi ICD: n kehitysprosessissa. Vaikka tulokset ovat yhdenmukaisia ​​Brand, Youngin I-PACE-mallin teoreettisten oletusten kanssa [7], addiktiivisen verkkokommunikaatiokäyttäytymisen ja ICD-oireiden kehittymistä sekä ikävystymisen ja afektiivisten ja muiden kognitiivisten komponenttien roolia tulisi tutkia pitkittäistutkimuksissa. Siksi tarvitaan lisää tutkimusta erityisesti erityisistä vahvistusmekanismeista.

Tämän huomioon ottaen tylsyyden altistuksen lisäksi tutkimuksen tulisi keskittyä myös subjektiivisesti havaittuun tilanteeseen. Ben-Yehuda, Greenberg [76] käsitteli jo valtion tylsyyden merkitystä potentiaalisena riskitekijänä älypuhelinten väärinkäytön kehittymiselle, jota on tutkittava jatkotutkimuksissa. Tähän sisältyy kokemus alistimulaatiosta ja aliarvioinnista tilanteesta riippuvaisena tilana [38, 57]. Voidaan olettaa, että tosiasiallisesti havaittu tylsyys on lisäarvoinen selitys sille, miksi yksilöille kehittyy automaattinen tapa käyttää älypuhelinta tilanteessa, jossa alistimulaatio. Tätä voitaisiin vahvistaa kokeneella tyydytyksellä ja korvauksella, ja siten lisätä todennäköisyyttä käyttää älypuhelinta uudelleen vastaavassa tilanteessa. Toistaiseksi jatkotutkimuksissa olisi pidettävä mielessä, että tilanteelliset tekijät, kuten todellinen mieliala, henkilökohtaiset konfliktit, todellinen kokenut tylsyys tai koettu stressi, voivat vaikuttaa kognitiivisiin ja afektiivisiin komponentteihin sekä päätökseen käyttää tiettyä sovellusta [7, 77].

Koska yhä useammilla ihmisillä on kielteisiä vaikutuksia jokapäiväisessä elämässä, kuten konfliktit perheen ja ystävien kanssa tai työhön liittyvät ongelmat, jotka johtuvat Internetin ja sen erityisten sovellusten hallitsemattomasta käytöstä, tarvitaan yhä enemmän riittäviä ja ohjattuja interventioita. Internetin käytön häiriöiden ja sen erityismuotojen, kuten esimerkiksi ICD, yhteydessä ennaltaehkäisyn ja hoidon onnistumisen oletetaan riippuvan lähinnä merkityksellisten tekijöiden huomioonottamisen riittävyydestä. Ottaen huomioon, että henkilökohtaisia ​​ominaisuuksia voi olla vaikea muuttaa, interventioiden tulisi keskittyä sekä moderointiin että välitykseen, jotta estetään tiettyjen Internet-sovellusten liiallinen käyttö [7]. Tässä tutkimuksessa on painotettu, että odotukset, joilla vältetään negatiiviset tunteet verkossa ja kii-aiheuttamat himoreaktiot, ovat välittäjärooli ICD: n kehittämisessä ja ylläpidossa. Tiettyjen Internet-käytön odotusten hyödyntäminen johtamattomien kognitioiden muuttamiseksi voisi olla ensimmäinen askel kohti toiminnallista Internetin käyttöä. Ihmisiä, joilla on vaikeuksia pysyä ikävystymisessä tai jotka ovat alttiimpia kokemaan kylläisyyttä, tulisi kouluttaa ymmärtämään, että Internet tai älypuhelimen käyttö ei ole ainoa tapa selviytyä päivittäisissä tilanteissa, joihin liittyy alistimulaatio tai jopa epämiellyttäviä tunteita. Tämä näkökohta on erityisen tärkeä, koska odottamalla, että online-viestinnän sovellukset voivat edistää paeta todellisen elämän ongelmista, voidaan sen jälkeen edistää ja tehostaa himoreaktioita, kuten nykyiset tulokset osoittavat, etenkin kun esiintyy erityisiä ärsykkeitä. Päivittäisessä elämässä tällaisia ​​ärsykkeitä voi olla esimerkiksi nähdä muiden älypuhelinta käyttävien ihmisten tai huomata saapuvan viestin. Tämä voi itse asiassa tehdä entistä vaikeammaksi ihmisille vastustaa halua käyttää tiettyjä sovelluksia. Kaiken kaikkiaan ihmiset voivat sitten kehittää vähentynyttä hallintaa Internetin käytökseen, mikä johtaa kielteisiin seurauksiin. Lisäksi kokenut halusta johtuvia lähestymissuuntauksia verkkoviestintäsovelluksiin tulisi vähentää systemaattisesti koulutusohjelmien avulla, joiden avulla yksilöt voivat oppia välttämään sääntelemättömiä reaktioita erityisiin ärsykkeisiin [7]. Yhteisten koulutusmenetelmien tehokkuutta on tutkittava tarkemmin, etenkin ICD: n kohdalla.

Lopuksi meidän on mainittava eräät rajoitukset. Tutkimus tehtiin mukavuusnäytteellä, joka ei ole edustava koko väestölle eikä hoidon hakeville potilaille, joilla on Internetin käyttöhäiriö. Nykyisten tulosten perusteella näyttää siltä, ​​että on tutkittava ikävystymisen, halun ja käytön odotusten vuorovaikutusta muissa näytteissä, kuten murrosikäisillä ja hoitoa hakevilla potilailla. Lisärajoitus on, että olemme keskittyneet vain ICD: hen. Koska muita Internet-sovelluksia voidaan käyttää myös ikävystymisen tai negatiivisten tunteiden välttämiseksi, tutkimus tulisi toistaa näytteillä, joilla on muita ensisijaisia ​​käyttötapoja, kuten Internet-pelaaminen, Internet-ostokset tai Internet-pornografian käyttö.

Yhteenveto

Tämän tutkimuksen tavoitteena oli tutkia teoreettisia oletuksia, jotka koskevat ICD: n kehitystä ja ylläpitämistä. I-PACE-mallin perusteella keskityttiin kognitiivisten ja afektiivisten komponenttien, nimittäin välttämisen odotusten ja kii-indusoidun himojen, välitysvaikutuksiin henkilön ydinominaisuuksien ja ICD-oireiden väliseen suhteeseen. Tässä tutkimuksessa tutkittiin ikävystymisen vaikutusta ominaisuusmuuttujana, joka mahdollisesti ennustaa ICD-oireita. Nykyiset tulokset osoittavat, että ikävystymisprosenssilla voi olla tärkeä rooli ICD: ssä. Yksilöillä, jotka ovat alttiimpia kokemaan tylsyyttä, on korkeampi odotusaika välttää negatiiviset tunteet käyttämällä verkkoviestintäsovelluksia, mikä puolestaan ​​lisää negatiivisia vaikutuksia jokapäiväisessä elämässä. Lisäksi välttämättömien odotusten välttäminen liittyy korkeampaan kokemukseen halusta. Tämä voi johtua Internet-viestintään liittyvien vihjeiden mahdollisesti suuremmasta haavoittuvuudesta, mikä vaikeuttaa sitten online-viestintäsovellusten käyttämistä. Näiden tulosten avulla ICD: n taustalla olevat mekanismit tulevat muotoilijan helpotukseksi. Interventioyritykset, joiden tarkoituksena on estää Internetin ja sen erityisten sovellusten sääntelemätön ja liiallinen käyttö, voidaan mahdollisesti optimoida ottamalla huomioon ikävystymisen käsite ja sen vuorovaikutus kii-reaktiivisuuden, himojen ja odotusten kanssa.

Tuki informaatio

S1 File.sav

kuvaosake

Lataa

Dataset_PoNE-D-17-41307R2.sav.

Tämä tiedosto on nykyisen tutkimuksen tietojoukko ja sisältää kaikki muuttujat ja tiedot suoritetuista analyyseistä.

(SAV)

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

Tämä tiedosto on nykyisen tutkimuksen tietojoukko ja sisältää kaikki muuttujat ja tiedot suoritetuista analyyseistä.

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

(SAV)

Viitteet

1. 1. Statista. Älypuhelimien käyttäjien lukumäärä maailmanlaajuisesti 2014 - 2020 (miljardeissa) 2017 [siteerataan 2017 22 / 11 / 2017].
2. 2. Kuss DJ, Griffiths MD. Sosiaalinen verkostoituminen ja riippuvuus: Katsaus psykologiseen literaturiin. Kansainvälinen ympäristötutkimuksen ja kansanterveyden lehti. 2011, 8: 3528-52. PMID: 22016701
   • Näytä artikkeli
   • PubMed / NCBI
   • Google Scholar
3. 3. Amichai-Hamburger Y, Vinitzky G. Sosiaalisen verkoston käyttö ja persoonallisuus. Tietokoneet ihmisen käyttäytymisessä. 2010, 26 (6): 1289-95.
4. Näytä artikkeli
5. Google Scholar
6. 4. Statista. Kuukausittain aktiivisten WhatsApp-käyttäjien lukumäärä maailmanlaajuisesti huhtikuusta 2013 heinäkuuhun 2017 (miljoonina) 2017 [mainittu 2017 22 / 11 / 2017].
7. 5. Statista. Kuukausittain aktiivisten Facebook-käyttäjien lukumäärä maailmanlaajuisesti 3: nnen vuosineljänneksen 2017 (miljoonina) 2017 [siteerattu 2017 22 / 11 / 2017].
8. Näytä artikkeli
9. PubMed / NCBI
10. Google Scholar
11. Näytä artikkeli
12. PubMed / NCBI
13. Google Scholar
14. Näytä artikkeli
15. PubMed / NCBI
16. Google Scholar
17. Näytä artikkeli
18. PubMed / NCBI
19. Google Scholar
20. Näytä artikkeli
21. Google Scholar
22. Näytä artikkeli
23. PubMed / NCBI
24. Google Scholar
25. Näytä artikkeli
26. Google Scholar
27. Näytä artikkeli
28. PubMed / NCBI
29. Google Scholar
30. Näytä artikkeli
31. Google Scholar
32. Näytä artikkeli
33. PubMed / NCBI
34. Google Scholar
35. Näytä artikkeli
36. PubMed / NCBI
37. Google Scholar
38. Näytä artikkeli
39. Google Scholar
40. Näytä artikkeli
41. PubMed / NCBI
42. Google Scholar
43. Näytä artikkeli
44. PubMed / NCBI
45. Google Scholar
46. Näytä artikkeli
47. Google Scholar
48. Näytä artikkeli
49. PubMed / NCBI
50. Google Scholar
51. Näytä artikkeli
52. PubMed / NCBI
53. Google Scholar
54. Näytä artikkeli
55. PubMed / NCBI
56. Google Scholar
57. Näytä artikkeli
58. Google Scholar
59. Näytä artikkeli
60. PubMed / NCBI
61. Google Scholar
62. Näytä artikkeli
63. PubMed / NCBI
64. Google Scholar
65. Näytä artikkeli
66. PubMed / NCBI
67. Google Scholar
68. Näytä artikkeli
69. PubMed / NCBI
70. Google Scholar
71. Näytä artikkeli
72. PubMed / NCBI
73. Google Scholar
74. Näytä artikkeli
75. PubMed / NCBI
76. Google Scholar
77. Näytä artikkeli
78. PubMed / NCBI
79. Google Scholar
80. Näytä artikkeli
81. PubMed / NCBI
82. Google Scholar
83. Näytä artikkeli
84. PubMed / NCBI
85. Google Scholar
86. Näytä artikkeli
87. Google Scholar
88. Näytä artikkeli
89. Google Scholar
90. Näytä artikkeli
91. Google Scholar
92. Näytä artikkeli
93. PubMed / NCBI
94. Google Scholar
95. Näytä artikkeli
96. Google Scholar
97. Näytä artikkeli
98. PubMed / NCBI
99. Google Scholar
100. Näytä artikkeli
101. Google Scholar
102. Näytä artikkeli
103. Google Scholar
104. Näytä artikkeli
105. Google Scholar
106. Näytä artikkeli
107. PubMed / NCBI
108. Google Scholar
109. Näytä artikkeli
110. Google Scholar
111. Näytä artikkeli
112. PubMed / NCBI
113. Google Scholar
114. Näytä artikkeli
115. Google Scholar
116. Näytä artikkeli
117. Google Scholar
118. Näytä artikkeli
119. PubMed / NCBI
120. Google Scholar
121. Näytä artikkeli
122. PubMed / NCBI
123. Google Scholar
124. Näytä artikkeli
125. PubMed / NCBI
126. Google Scholar
127. Näytä artikkeli
128. PubMed / NCBI
129. Google Scholar
130. Näytä artikkeli
131. PubMed / NCBI
132. Google Scholar
133. Näytä artikkeli
134. PubMed / NCBI
135. Google Scholar
136. Näytä artikkeli
137. Google Scholar
138. Näytä artikkeli
139. Google Scholar
140. Näytä artikkeli
141. Google Scholar
142. Näytä artikkeli
143. PubMed / NCBI
144. Google Scholar
145. Näytä artikkeli
146. Google Scholar
147. Näytä artikkeli
148. PubMed / NCBI
149. Google Scholar
150. Näytä artikkeli
151. Google Scholar
152. Näytä artikkeli
153. PubMed / NCBI
154. Google Scholar
155. 6. Young KS, Pistner M, O'Mara J, Buchanan J. Cyber-häiriöt: Mielenterveysongelma uudelle vuosituhannelle. Kyberpsykologia ja käyttäytyminen. 1999; 2: 475–9. pmid: 19178220
156. 7. Tuotemerkki M, Young KS, Laier C, Wölfling K, Potenza MN. Integroidaan psykologiset ja neurobiologiset näkökohdat tiettyjen Internet-käytön häiriöiden kehittämiseen ja ylläpitämiseen: Henkilökohtaisten vaikutusten, kognition ja toteutuksen (I-PACE) malli. Neurotieteen ja biokäyttäytymisen arvostelut. 2016, 71: 252-66. PMID: 27590829
157. 8. Wegmann E, Brand M. Internet-viestintähäiriö: Kyse on sosiaalisista näkökohdista, selviytymisestä ja Internetin käytön odotuksista. Rajat psykologiassa. 2016, 7 (1747): 1-14. PMID: 27891107
158. Näytä artikkeli
159. Google Scholar
160. Näytä artikkeli
161. PubMed / NCBI
162. Google Scholar
163. Näytä artikkeli
164. Google Scholar
165. Näytä artikkeli
166. PubMed / NCBI
167. Google Scholar
168. Näytä artikkeli
169. Google Scholar
170. 9. Choi SW, Kim DJ, Choi JS, Choi EJ, Song WY, Kim S, et ai. Älypuhelinten ja Internet-riippuvuuteen liittyvien riski- ja suojaustekijöiden vertailu. Journal of Behavioral Addictions. 2015, 4 (4): 308-14. PMID: 26690626
171. Näytä artikkeli
172. PubMed / NCBI
173. Google Scholar
174. Näytä artikkeli
175. PubMed / NCBI
176. Google Scholar
177. Näytä artikkeli
178. PubMed / NCBI
179. Google Scholar
180. Näytä artikkeli
181. PubMed / NCBI
182. Google Scholar
183. Näytä artikkeli
184. Google Scholar
185. Näytä artikkeli
186. Google Scholar
187. Näytä artikkeli
188. PubMed / NCBI
189. Google Scholar
190. 10. Montag C, Blaszkiewicz K, Sariyska R, Lachmann B, Andone I, Trendafilov B, et ai. Älypuhelimien käyttö 21 vuosisadalla: Kuka on aktiivinen WhatsAppissa? BMC-tutkimustiedot. 2015, 8: 1-6.
191. 11. Tuotemerkki M, Young KS, Laier C. Eturauhasen hallinta ja Internet-riippuvuus: Teoreettinen malli ja katsaus neuropsykologisiin ja neuromukuviin havaintoihin. Ihmisen neurotieteen rajat. 2014, 8 (375): 1-36. PMID: 24904393
192. 12. Davis RA. Internetin patologisen käytön kognitiivis-käyttäytymismalli. Tietokoneet ihmisen käyttäytymisessä. 2001, 17: 187-95.
193. 13. Spada MM. Yleiskatsaus ongelmallisesta Internetin käytöstä. Riippuvuutta aiheuttavat käytännöt. 2014; 39: Epub ennen tulostusta. 3-6. PMID: 24126206
194. 14. Billieux J, Maurage P, Lopez-Fernandez O, Kuss DJ, Griffiths MD. Voidaanko vääristynyttä matkapuhelimen käyttöä pitää käyttäytymisriippuvuutena? Päivitys nykyisestä näytöstä ja kattava malli tulevaa tutkimusta varten. Nykyiset riippuvuusraportit. 2015, 2 (2): 156-62.
195. 15. Wegmann E, Stodt B, Brand M. Sosiaalisten verkostoitumistapojen riippuvuutta aiheuttava käyttö voidaan selittää Internetin käyttöodotusten, Internet-lukutaidon ja psykopatologisten oireiden vuorovaikutuksella. Journal of Behavioral Addictions. 2015, 4 (3): 155-62. PMID: 26551905
196. 16. Wegmann E, Oberst U, Stodt B, Brand M. Verkkokohtainen pelko puuttumisesta ja Internetin käyttöodotukset edistävät Internet-viestinnän häiriöiden oireita. Riippuvuutta aiheuttavia käyttäytymisraportteja. 2017, 5: 33-42. PMID: 29450225
197. 17. Tuotemerkki M, Laier C, Young KS. Internet-riippuvuus: selviytymistyyli, odotukset ja hoitovaikutukset. Rajat psykologiassa. 2014, 5: 1-14.
198. 18. Trotzke P, Starcke K, Müller A, tuotemerkki M. Patologinen ostaminen verkossa Internet-riippuvuuden erityisenä muodona: Malliperustainen kokeellinen tutkimus. PLOS YKSI. 2015, 10 (10): e0140296. PMID: 26465593
199. 19. Sayette MA. Himo rooli päihteiden käytön häiriöissä: teoreettiset ja metodologiset kysymykset. Kliinisen psykologian vuosikatsaus. 2016, 12: 407-33. PMID: 26565121.
200. 20. Hormes JM. Himojen kliininen merkitys riippuvuuskäyttäytymisessä: Katsaus. Nykyiset riippuvuusraportit. 2017, 4 (2): 132-41.
201. 21. Bechara A. Päätöksenteko, impulssiohjaus ja tahdonvoiman menetys lääkkeitä vastaan: Neurokognitiivinen näkökulma. Luontoneurotiede. 2005, 8: 1458-63. PMID: 16251988
202. 22. Carter BL, Tiffany ST. Kii-reaktiivisuuden metaanalyysi riippuvuustutkimuksessa. Riippuvuus. 1999, 94: 327-40. PMID: 10605857
203. 23. Skinner MD, Aubin HJ. Himo: n paikka riippuvuusteoriassa: Suurimpien mallien osuudet. Neurotieteen ja biokäyttäytymisen arvostelut. 2010, 34: 606-23. PMID: 19961872
204. 24. Drummond DC. Muinaisen ja nykyaikaisen huumeiden halun teoriat. Riippuvuus (Abingdon, Englanti). 2001, 96: 33-46.
205. 25. Schiebener J, Laier C, Brand M. Jumiutuuko pornografiaan? Cybersex-vihkojen liiallinen käyttö tai laiminlyönti monitehtävätilanteessa liittyy cybersex-riippuvuuden oireisiin. 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-indusoitu Internet-himo Internetin addiktioiden keskuudessa. Riippuvuutta aiheuttavat käytännöt. 2016, 62: 1-5. PMID: 27305097
207. 27. Tiffany ST, Wray JM. Lääkehalun kliininen merkitys. New Yorkin tiedeakatemian lehtit. 2012, 1248: 1-17. PMID: 22172057
208. 28. Snagowski J, Brand M. Cybersex-riippuvuuden oireet voidaan yhdistää sekä lähestymiseen että pornografisten ärsykkeiden välttämiseen: Tulokset säännöllisestä cybersex-käyttäjien analogisesta näytteestä. Rajat psykologiassa. 2015, 6: 653. PMID: 26052292
209. 29. Laier C, Pawlikowski M, Pekal J, Schulte FP, Brand M. Cybersex-riippuvuus: Kokenut seksuaalinen kiihtyvyys pornografiaa katsellessasi, ei tosielämän seksuaalikontakteja, tekee eron. Journal of Behavioral Addictions. 2013, 2: 100-7. PMID: 26165929
210. 30. Thalemann R, Wölfling K, Grüsser SM. Erityinen reaktiokyky tietokonepeleihin liittyvissä viitoissa liiallisissa pelaajissa. Käyttäytymiseen liittyvä neurotiede. 2007, 121: 614-8. PMID: 17592953
211. 31. Liu L, Yip SW, Zhang JT, Wang LJ, Shen ZJ, Liu B, et ai. Ventraalin ja selän striatumin aktivointi kii-reaktiivisuuden aikana Internet-pelihäiriöissä. Riippuvuusbiologia. 2017, 3 (2): 791-801. PMID: 26732520.
212. 32. Park CB, Park SM, Gwak AR, Sohn BK, Lee JY, Jung HY, et ai. Toistuvan altistumisen virtuaalisille uhkapeleille vaikutelma haluun pelata. Riippuvuutta aiheuttavat käytännöt. 2015, 41: 61-4. PMID: 25306387
213. 33. Fernie BA, Caselli G, Giustina L, Donato G, Marcotriggiani A, Spada MM. Halu ajatella uhkapelien ennustajana. Riippuvuutta aiheuttavat käytännöt. 2014, 39: 793-6. PMID: 24531634
214. 34. Wegmann E, Stodt B, Brand M. Cuen aiheuttama himo Internet-viestintähäiriössä käyttämällä visuaalisia ja kuulovihjeitä vihjereaktiivisuuden paradigmassa. Riippuvuustutkimus ja -teoria. 2017: Epub ennen tulostusta.
215. 35. LePera N. Tylsyyden ylenmääräisyyden, tietoisuuden, ahdistuksen, masennuksen ja päihteiden käytön väliset suhteet. Uusi koulupsykologiatiedote. 2011, 8 (2): 15-23.
216. 36. Iso-Ahola SE, Weissinger E. Käsitykset ikävystymisestä vapaa-aikana: Vapaa-aikaboredomin asteikon käsitteellistäminen, luotettavuus ja pätevyys. Lehti Leisure Research. 1990, 22 (1): 1-17.
217. 37. Lin CH, Lin SL, Wu CP. Vanhempien seurannan ja vapaa-ajan ikävystymisen vaikutukset nuorten Internet-riippuvuuteen. Murrosiässä. 2009, 44 (176): 993-1004. Epub 2009 / 01 / 01. PMID: 20432612.
218. 38. Brissett D, lumi RP. Tylsyys: missä tulevaisuus ei ole. Symbolinen vuorovaikutus. 1993, 16 (3): 237-56.
219. 39. Biolcati R, Mancini G, Trombini E. Ikääntymisen ja riskikäyttäytymisen taipuisuus murrosikäisten vapaa-ajalla. Psykologiset raportit. 2017: 1-21. Epub 2017 / 08 / 05. PMID: 28776483.
220. 40. Harris MB. Korrelaatio ja ominaispiirteet tylsyyden puhetta ja tylsyyttä. Journal of Applied Social Psychology. 2000, 30 (3): 576-98.
221. 41. Mikulas WL, Vodanovich SJ. Olennaisuus tylsyydestä. Psykologinen ennätys. 1993, 43 (1): 3-12.
222. 42. Elhai JD, Vasquez JK, Lustgarten SD, Levine JC, Hall BJ. Uneliaisuus tylsyyteen välittää ongelmia älypuhelimien käytön välillä masennuksen ja ahdistuksen vakavuuden välillä. Yhteiskuntatieteellinen tietokonekatsaus. 2017: 1-14.
223. 43. Wiesner M, Windle M, Freeman A. Työstressi, päihteiden käyttö ja masennus nuorten aikuisten työntekijöiden keskuudessa: Pää- ja moderaattorimuotojen tutkimus. Lehti työterveyspsykologiasta. 2005, 10 (2): 83-96. PMID: 15826220.
224. 44. Anshel MH. Kysely eliittiurheilijoilta kiellettyjen huumeiden käytön havaituista syistä urheilussa. Lehti urheilukäyttäytymisestä. 1991, 14 (4): 283-310.
225. 45. Thackray RI. Tylsyyden ja yksitoikkoisuuden stressi: Tutkimuksen näyttö. Psykosomaattinen lääketiede. 1981, 43 (2): 165-76. PMID: 7267937.
226. 46. Zhou SX, Leung L. Ilahduttavuus, yksinäisyys, vapaa-ikävystyminen ja itsetunto ennustajana SNS-peliriippuvuudelle ja käyttötavalle kiinalaisten opiskelijoiden keskuudessa. Kansainvälinen kyberkäyttäytymistä, psykologiaa ja oppimista käsittelevä lehti. 2012, 2 (4): 34-48.
227. 47. Caldwell LL, Smith EA. Nuorten vapaa-ajan terveyskäyttäytyminen. Loisir et Société / Yhteiskunta ja vapaa-aika. 1995, 18 (1): 143-56.
228. 48. Biolcati R, Passini S, Mancini G. “En kestä ikävystymistä.” Ylin juodaodotusodot. Riippuvuutta aiheuttavia käyttäytymisraportteja. 2016; 3 (täydennysosa C): 70 – 6. PMID: 29532002
229. 49. Blaszczynski A, McConaghy N, Frankova A. Uneliaisuuden patologinen pelaaminen. Psykologiset raportit. 1990, 67 (1): 35-42. Epub 1990 / 08 / 01. PMID: 2236416.
230. 50. Fortune EE, Goodie AS. Patologisen uhkapelaamisen ja sensaation etsimisen välinen suhde: Alaskaalan pistemäärien rooli. Uhkapelitutkimuslehti. 2010, 26 (3): 331-46. PMID: 19943092.
231. 51. Zuckerman M, Eysenck S, Eysenck HJ. Sensaationhaku Englannissa ja Amerikassa: kulttuurien väliset, ikä- ja sukupuolivertailut. Lehti konsultoinnista ja kliinisestä psykologiasta. 1978, 46 (1): 139-49. Epub 1978 / 02 / 01. PMID: 627648.
232. 52. Neubaum G, Krämer NC. Ystäväni aivan vieressäni: Laboratoriotutkimus ennustajista ja sosiaalisen läheisyyden kokemisen seurauksista sosiaalisen verkostoitumisen sivustoilla. Kyberpsykologia, käyttäytyminen ja sosiaalinen verkostoituminen. 2015, 18 (8): 443-9. PMID: 26252929
233. 53. Lin CH, Yu SF. Nuorten internetin käyttö Taiwanissa: Sukupuolierojen selvittäminen. Murrosiässä. 2008, 43 (170): 317-31. PMID: 18689104.
234. 54. Rahmani S, Lavasani MG. Internet-riippuvuuden ja sensaation etsimisen ja persoonallisuuden välinen suhde. Procedia - yhteiskuntatieteet ja käyttäytymistieteet. 2011; 30 (täydennysosa C): 272 – 7.
235. 55. Chaney, kansanedustaja, Chang CY. Kolmikko Internetin seksuaaliriippuvaisille miehille, jotka harrastavat seksiä miesten kanssa: ikävystyminen, sosiaalinen yhteys ja dissosiaatio. Seksuaalinen riippuvuus ja pakonomainen. 2005; 12 (1): 3–18.
236. 56. Velezmoro R, Lacefield K, Roberti JW. Koettu stressi, tunnehaku ja opiskelijoiden Internetin väärinkäyttö. Tietokoneet ihmisen käyttäytymisessä. 2010, 26 (6): 1526-30.
237. 57. Weybright EH, Caldwell LL, Ram N, Smith EA, Wegner L. Tylsyyttä altis vai ei mitään tekemistä? Valtion ja piirteiden vapaa-ikävystymisen erottaminen sen yhteydestä päihteiden käyttöön Etelä-Afrikassa. Vapaa-ajan tieteet. 2015, 37 (4): 311-31. PMID: 26085700.
238. 58. Pawlikowski M, Altstötter-Gleich C, tuotemerkki M. Youngin Internet-riippuvuustestin lyhyen version validointi ja psykometriset ominaisuudet. Tietokoneet ihmisen käyttäytymisessä. 2013, 29: 1212-23.
239. 59. Trotzke P, Starcke K, Pedersen A, tuotemerkki M. Cue-indusoima himo patologisessa ostossa: Empiirinen näyttö ja kliiniset vaikutukset. Psykosomaattinen lääketiede. 2014, 76 (9): 694-700. PMID: 25393125.
240. 60. Rakkaus A, James D, Willner P. Kahden alkoholinhalua koskevan kyselylomakkeen vertailu. Riippuvuus (Abingdon, Englanti). 1998, 93 (7): 1091-102.
241. 61. Struk AA, Carriere JS, Cheyne JA, Danckert J. Lyhyt ikävystymisasteikko. Arviointi. 2015, 24 (3): 346-59. PMID: 26467085.
242. 62. Cohen J. Käyttäytymistieteiden tilastollinen tehoanalyysi. 2 ed. Hillsdale, NJ: Erlbaum; 1988.
243. 63. Muthén L, Muthén B. MPlus. Los Angeles: Muthén & Muthén; 2011.
244. 64. Hu L, Bentler PM. Arvioidaan mallin sopivuutta. Julkaisussa: Hoyle RH, toimittaja. Rakenneyhtälön mallintamiskonseptien kysymykset ja sovellukset. Lontoo: Sage Publications, Inc; 1995. s. 76-99.
245. 65. Hu L, Bentler PM. Kovarianssirakenneanalyysin sopivuusindeksien rajakriteerit: perinteiset kriteerit verrattuna uusiin vaihtoehtoihin. Rakenneyhtälön mallintaminen: Monitieteinen lehti. 1999, 6: 1-55.
246. 66. Marsh HW, Ludtke O, Nagengast B, Morin AJ, Von Davier M. Miksi lähetyspaketit (melkein) eivät koskaan ole tarkoituksenmukaisia: Kaksi vääriä eivät tee oikeutta - peittämällä väärin eritelmät CFA-mallien tuotepaketeilla. Psykologiset menetelmät. 2013, 18 (3): 257-84. PMID: 23834417.
247. 67. Pikku TD, Cunningham WA, Shahar G, Widaman KF. Pakettiin lähettäminen tai ei lähettäminen: Kysymyksen selvittäminen, ansioiden punnitseminen. Rakenneyhtälön mallintaminen: Monitieteinen lehti. 2002, 9 (2): 151-73.
248. 68. Sommers J, Vodanovich SJ. Tylsyyden äärellisyys: Sen suhde psykologisiin ja fyysisiin terveysoireisiin. Lehti kliinisestä psykologiasta. 2000, 56 (1): 149-55. Epub 2000 / 02 / 08. PMID: 10661377.
249. 69. Gordon A, Wilkinson R, McGown A, Jovanoska S. Tylsyyden moninaisuuden asteikon psykometriset ominaisuudet: tutkitaan sen pätevyyttä. Psykologiset tutkimukset. 1997, 42 (2-3): 85-97.
250. 70. Derogatis LR. BSI: n lyhyt oireluettelo: Hallinto-, pisteytys- ja menettelyohjeet. 1993. Epubin kolmas muokkaus.
251. 71. Dimitrov DM. Piilevien muuttujien ryhmien vertailu: Rakenneyhtälön mallinnusmenetelmä. Teos (Lukeminen, Mass). 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 ai. Facebookin käyttö älypuhelimissa ja ytimen keräyspisteiden harmaan aineen määrä. Aivojen käyttäytymistutkimus. 2017, 329: 221-8. PMID: 28442353.
253. 73. Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS. Aivot korreloivat verkkopelaamisen halun kohtaamisaltistuksen alla kohteissa, joilla on Internet-riippuvuus, ja remissioissa. Riippuvuusbiologia. 2013, 18: 559-69. PMID: 22026537
254. 74. Ko CH, Liu GC, Yen JY, Yen CF, Chen CS, Lin WC. Aivoaktivoinnit sekä lyöntiä aiheuttamaan pelaamiseen ja tupakoinnin himoon liittyivät potilailla, joilla on Internet-peliriippuvuus ja nikotiiniriippuvuus. Journal of Psychiatric Research. 2013, 47 (4): 486-93. PMID: 23245948
255. 75. Turel O, Bechara A. Moottorin impulsiivisuuden ja unen laadun vaikutukset vannomiseen, ihmissuhteisiin poikkeavaan ja epäedulliseen käyttäytymiseen online-sosiaalisen verkostoitumisen sivustoilla. Persoonallisuus ja yksilölliset erot. 2017, 108: 91-7.
256. 76. Ben-Yehuda L, Greenberg L, Weinstein A. Internet-riippuvuus käyttämällä älypuhelinsuhteita Internet-riippuvuuden, älypuhelinten käytön tiheyden sekä mies- ja naisopiskelijoiden mielen tuijottamisen välillä. Journal of Reward Deficiency Syndrome & Addiction Science. 2016.
257. 77. Tavolacci, parlamentin jäsen, Ladner J, Grigioni S, Richard L, Villet H, Dechelotte P. Koetun stressin, päihteiden käytön ja käyttäytymisriippuvuuksien esiintyvyys ja assosiaatio: Poikkileikkaustutkimus Ranskan yliopisto-opiskelijoiden keskuudessa, 2009 – 2011. BMC: n kansanterveys. 2013, 13: 724. PMID: 23919651.