1Philipps-University, Marburg, Allemagne
, Nele NyenhuisInformations connexes
, Antonia BarkeInformations connexes
1Philipps-University, Marburg, Allemagne
RÉSUMÉ
Trouble de jeu sur Internet est inclus dans le Manuel diagnostique et statistique des troubles mentaux (5th édition) en tant que trouble qui mérite des recherches ultérieures. Les critères de diagnostic sont basés sur ceux concernant le trouble lié à l’utilisation de substances et le trouble lié au jeu. Les joueurs excessifs et les personnes ayant un trouble de consommation de substances psychoactives manifestent un biais d’attention envers les stimuli liés à leur dépendance. Nous avons cherché à savoir si les joueurs excessifs sur Internet présentaient un biais d’attention similaire, en utilisant deux paradigmes expérimentaux établis.
Méthodologie
Nous avons mesuré les temps de réaction des joueurs excessifs sur Internet et des non-joueurs (N = 51, 23.7 ± 2.7 ans) en utilisant un addiction Stroop avec des mots informatisés et neutres, ainsi qu'une sonde visuelle avec des images informatisées et neutres. Des analyses mixtes de la variance avec le groupe factoriel inter-sujets (gamer / non-gamer) et le type de stimulus factor intra-sujets (informatisé / neutre) ont été calculées pour les temps de réaction ainsi que pour les évaluations de valence et de familiarité du matériel de stimulation.
Résultats
Dans le Stroop, une dépendance, une interaction groupe × mot a été trouvée: seuls les joueurs ont montré des temps de réaction plus longs pour les mots liés à l’ordinateur que les mots neutres, manifestant ainsi un biais d’attention. Dans la sonde visuelle, aucune différence de temps de réaction entre les images neutres et liées à l’ordinateur n’a été constatée dans les deux groupes, mais les joueurs étaient globalement plus rapides.
Conclusions
Un biais d’attention vis-à-vis des stimuli liés à l’ordinateur a été constaté chez les joueurs excessifs sur Internet, en utilisant un Stroop pour toxicomanes mais pas en utilisant une sonde visuelle. Une explication possible de la divergence pourrait être que la sonde visuelle a peut-être été trop facile pour les joueurs.
Introduction
Les jeux excessifs sur Internet sont associés à des problèmes psychosociaux tels que la diminution des performances scolaires ou professionnelles (Chen et Tzeng, 2010; Chiu, Lee et Huang, 2004; Griffiths, Davies et Chappell, 2004; Hellström, Nilsson, Leppert et Slund, 2012; Jeong et Kim, 2011; Liu et Peng, 2009; Peng et Liu, 2010; Rehbein, Kleimann et Mössle, 2010; Skoric, Teo et Neo, 2009; Van Rooij, Kuss, Griffiths, Shorter et Van de Mheen, 2013), en négligeant les loisirs et les relations en dehors du jeu (Griffiths et coll., 2004; Hellström et al., 2012; Liu et Peng, 2009; Lo, Wang et Fang, 2005; Rehbein et al., 2010), conflits interpersonnels (Batthyány, Müller, Benker et Wölfling, 2009; Hellström et al., 2012; Shen et Williams, 2011), solitude (Lemmens, Valkenburg et Peter, 2011; Shen et Williams, 2011; Van Rooij, Schoenmakers, Vermulst, Van den Eijnden et Van de Mheen, 2011) et privation de sommeil (Achab et al., 2011; Griffiths et coll., 2004; Hellström et al., 2012; Rehbein et al., 2010; Van Rooij et coll., 2013).
Actuellement, des millions de personnes dans le monde jouent à des jeux informatiques (671) (Singh, 2013). Jeux de rôle en ligne massivement multijoueurs (MMORPG) compte pour un quart du chiffre d’affaires mondial des jeux informatiques (Barnett et Coulson, 2010). Les MMORPG sont des jeux imaginaires dans lesquels des milliers de joueurs interagissent à travers leur personnage, l'avatar. Pour réussir, les joueurs doivent coopérer (Cole et Griffiths, 2007) et investir successivement plus de temps (Van Rooij et coll., 2011). Les MMORPG n'ont pas de point final (comme une bataille finale) et sont persistants; c’est-à-dire que le jeu continue même si un joueur n’est pas connecté (Barnett et Coulson, 2010). Les joueurs sont renforcés par intermittence grâce à l'acquisition de niveaux plus élevés, de capacités, d'or virtuel ou d'un meilleur équipement. Le MMORPG le plus populaire est World of Warcraft (WoW), qui compte un million d’abonnés 10 (Blizzard Entertainment, 2014). En raison de leur nature sociale, de leur persistance et de leur renforcement intermittent, les MMORPG présentent un risque élevé d’utilisation excessive (Beutel, Hoch, Wölfling et Müller, 2011). Smyth (2007) a assigné à des élèves qui, auparavant, ne jouaient pas à des jeux informatiques, un (solo, arcade, console ou MMORPG) au moins une heure par semaine. Après un mois, les joueurs de MMORPG ont déclaré avoir joué plus souvent que les autres participants, leur santé physique et leur qualité de sommeil s’étant détériorées, et le jeu nuisait davantage à leurs études.
Le trouble du jeu sur Internet a été inclus dans l’annexe du Manuel diagnostique et statistique des troubles mentaux (5th édition) pour encourager la poursuite des recherches (American Psychiatric Association, 2013). Les critères de diagnostic sont basés sur ceux concernant le trouble lié à l’utilisation de substances et le trouble lié au jeu (Petry et coll., 2014). La question qui se pose est de savoir si le trouble du jeu sur Internet et ces troubles ont des caractéristiques communes dans le développement et le maintien du trouble (par exemple, les processus de conditionnement et d’attention).
Un biais d’attention est une constatation robuste chez les personnes atteintes de trouble lié à la toxicomanie (Cox, Fadardi et Pothos, 2006; Robbins et Ehrman, 2004) elle se manifeste par une attention accrue aux stimuli associés à chaque dépendance (Cox et coll., 2006). En ce qui concerne le trouble du jeu, un tel biais a été démontré dans quatre études (Boyer et Dickerson, 2003; McCusker, Gettings et Irlande, 1997; Molde et al., 2010; Vizcaino et al., 2013), alors qu’une étude n’a pas trouvé de preuves à ce sujet (Atkins et Sharpe, 2006).
Selon la théorie des préoccupations actuelles, un état de motivation, ou une préoccupation actuelle, se situe entre la décision de poursuivre un objectif et sa réalisation ou son abandon (Cox et coll., 2006). Les personnes atteintes de troubles liés à l'utilisation de substances ont pour objectif d'utiliser une substance. Les stimuli qui y sont liés ont une forte valeur motivationnelle. Par conséquent, ils deviennent le centre d'attention et un biais d'attention envers ces stimuli se développe. Avec le temps, cela peut devenir implicite et automatique. Au cours d'une préoccupation actuelle, des processus de conditionnement peuvent se développer. Selon le conditionnement classique, un stimulus neutre (par exemple, plus léger) est associé de manière répétée à un stimulus non conditionné (par exemple, la nicotine) et devient un stimulus conditionné (CS) qui provoque une excitation et un état de manque (Field et Cox, 2008). Comme le SC prédit la drogue, celle-ci est plus saillante que les autres stimuli et la personne se concentre sur elle. Les biais attentionnels jouent un rôle dans le maintien des dépendances. Si les personnes ayant un trouble de toxicomanie remarquent plus souvent des stimuli liés à la drogue, elles éprouvent un état de manque (Field, Munafò et Franken, 2009), ce qui peut entraîner une reprise de la consommation et rendre difficile le maintien de l'abstention (Cox, Hogan, Kristian et Race, 2002). Des biais d’attention liés à l’alcool ont prédit la quantité de consommation future d’alcool (Janssen, Larsen, Vollebergh et Wiers, 2015) et une formation à la modification du biais attentionnel ont amélioré l’abstinence (Schoenmakers et al., 2010).
La dépendance Stroop et la sonde visuelle sont deux mesures couramment utilisées pour le biais d’attention.Field et Cox, 2008). Dans le Stroop Addiction, un mot lié à la dépendance ou neutre est présenté dans l’une des couleurs suivantes (Field et Cox, 2008). Les participants doivent indiquer la couleur et les temps de réaction sont mesurés. Un biais d’attention se manifeste dans une lent réaction aux mots liés à la dépendance. Le mécanisme sous-jacent est que le traitement automatique du contenu sémantique des mots les plus saillants empêche de nommer la couleur du mot (Cox et coll., 2006). Afin de pouvoir attribuer les différences de temps de réaction au type de mot, il est important que les mots neutres et liés à la dépendance ne diffèrent pas par leurs caractéristiques de base telles que le nombre de lettres, les syllabes et la fréquence dans la langue; et, puisque les mots de dépendance appartiennent à une catégorie, les mots neutres devraient donc être (Cox et coll., 2006). Dans la sonde visuelle, une image liée à la dépendance et une image neutre sont présentées côte à côte (Field et Cox, 2008). Une des images est ensuite remplacée par une cible et les participants sont invités à indiquer sa position. De nouveau, les temps de réaction sont mesurés. En général, les gens réagissent plus rapidement à un stimulus qui apparaît dans une région fréquentée (Posner, Snyder et Davidson, 1980). Si les personnes ayant un trouble de consommation de substances réagissent plus rapidement lorsque les cibles remplacent des images liées à la dépendance que si elles sont neutres, on en déduit qu'elles se sont davantage intéressées aux images liées à la dépendance (Field et Cox, 2008). Dans ce cas, un biais d’attention se manifeste dans plus rapide temps de réaction au matériel lié à la dépendance.
Pour les joueurs excessifs sur Internet, les biais d’attention n’ont été étudiés que pour le contenu directement lié aux jeux. Les résultats étaient hétérogènes. Une tâche Stroop Addiction (Metcalf et Pammer, 2011) et une tâche de sondage par points (Lorenz et coll., 2013) ont mis en évidence un biais d’attention envers les stimuli du MMORPG, un addictif Stroop et une sonde visuelle n’ont pas réussi à le faire (Van Holst et coll., 2012). Notre objectif était d’étendre ces résultats et d’examiner la question de savoir si les joueurs excessifs manifestaient un biais d’attention non seulement envers les stimuli des MMORPG, mais également envers les stimuli de l’ordinateur en général. Les ordinateurs sont régulièrement associés à l'expérience de jeu et selon le modèle (Field et Cox, 2008) devraient eux-mêmes devenir le SC et donner lieu à un biais d’attention. Si tel est le cas, cela serait très pertinent pour la maintenance et le traitement des jeux excessifs sur Internet.
Nous avons donc testé les hypothèses suivantes:
Les joueurs excessifs montreraient un biais d’attention tel qu’ils réagiraient plus lentement aux mots liés à l’informatique par rapport aux mots neutres dans un Stroop sur la dépendance.
Les joueurs excessifs montreraient un biais d’attention de sorte qu’ils réagissent plus rapidement aux cibles présentées dans la position d’un stimulus lié à l’ordinateur par rapport aux cibles présentées dans la position d’une image neutre dans une sonde visuelle.
Méthodologie
Participants
La taille de l'échantillon a été calculée a priori avec G * Power (version 3.1.9.2, Kiel, Allemagne). Avec α = 0.05, f = 0.25 et une puissance de 0.80, il a donné un échantillon global de 34 participants. Les étudiants ont été recrutés via des publicités sur les panneaux d'affichage de l'Université de Goettingen et sur des forums en ligne. Ils ont été sélectionnés pour leur utilisation des jeux informatiques. Les étudiants qui ont joué Sensationnel ont reçu un lien vers un questionnaire Web (SurveyMonkey, Portland, États-Unis) et ont rempli la version allemande de la Échelle d'utilisation Internet compulsive pour WoW (CIUS-WoW) (Barke, Nyenhuis, Voigts, Gehrke et Kröner-Herwig, 2013) à la maison. Le CIUS-Sensationnel mesures excessives Sensationnel utilisation avec les éléments 14 et présente une bonne cohérence interne (α = .86 de Cronbach) (Barke et coll., 2013). Les articles sont notés sur une échelle de cinq points de 0 (jamais) - 4 (très souvent), avec des scores plus élevés indiquant une plus grande utilisation. Si Sensationnel les joueurs avaient une moyenneSensationnel score d'au moins 25 (% 25 le plus élevé de tous les patients dépistés) Sensationnel joueurs), ils ont été classés comme joueurs excessifs et invités à participer. Les étudiants qui ne jouaient à aucun jeu informatique ont été invités directement à participer. Vingt et un joueurs et non-joueurs 30 ont participé. Les joueurs avaient une moyenneSensationnel score de 29.0 ± 3.5. En moyenne, ils jouaient Sensationnel pour 15.4 ± 11.3 heures par semaine. Deux joueurs et un non-joueur ont été exclus du programme de toxicomanie Stroop en raison de leur incapacité à identifier les numéros sur les plaques de test du test Ishihara (Ishihara Farbtafel, 2009) ont indiqué des problèmes de vision des couleurs. Les temps de réaction d'un joueur n'ont pas pu être analysés, car l'ordinateur n'a pas pu enregistrer son fichier journal.
Procédure et mesures
Les participants ont rempli six éprouvettes du test d’Ishihara (Ishihara Farbtafel, 2009). Les plaques de test montrent des points dans les tons de vert et de rouge qui forment des nombres. Les personnes ayant une vision des couleurs normale devraient pouvoir identifier correctement les nombres. Tester la vision des couleurs était nécessaire car les participants devaient indiquer les couleurs dans le Stroop sur la dépendance. Ils ont répondu aux questions concernant la démographie et l'utilisation de l'ordinateur. Ils ont pris part à la toxicomanie Stroop et aux tâches de sonde visuelle. L'ordre des tâches a été équilibré entre les participants pour éviter les effets de séquence. Les participants ont été testés individuellement dans un laboratoire sombre. Ils ont effectué les tâches sur un écran d'ordinateur 17 standard et ont utilisé un clavier standard, une mentonnière pour assurer une distance constante de 62 cm à l'écran et des cache-oreilles pour bloquer le son ambiant. Après les tâches expérimentales, les participants ont évalué la valence et la familiarité des mots et des images utilisés dans les tâches sur deux échelles de points 9, allant de 1. (très déplaisant) - 9 (très agréable) 1 (très inconnu) - 9 (très familier). Tous les participants ont reçu 10 euros pour leur participation.
Tâches comportementales
Les deux tâches ont été programmées avec Presentation (version 14.8, Neurobehavioral Systems, Berkeley, États-Unis). Les temps de réaction, les touches enfoncées et les cibles manquées ont été sauvegardés sous forme de fichiers journaux, puis importés dans un logiciel statistique pour traitement ultérieur.
Addiction Stroop
Les participants ont vu des mots neutres 20 appartenant à la catégorie bureau (par exemple, téléphone) et des mots liés à l’informatique 20 (par exemple, clavier). Les mots neutres et les mots liés à l’ordinateur avaient des fréquences égales en allemand (Institut für Deutsche Sprache, 2009) et le même nombre de lettres et de syllabes. Chaque mot était présenté une fois en rouge, jaune, vert et bleu, résultant en 160 stimuli pour chaque bloc. Entre les deux blocs, les participants ont eu une pause de cinq minutes. Chaque essai a duré 1000 ms, dans lequel les sujets ont vu un mot au centre de l'écran sur un fond gris. Chaque mot était présenté jusqu'à ce qu'une touche soit enfoncée. Une fois qu'une touche a été enfoncée, une croix de fixation blanche est apparue pour le reste de l'essai. Après 1000 ms, le mot suivant est apparu automatiquement. L'ordre des mots et des couleurs était aléatoire. Les touches «a», «s», «k» et «l» avaient des autocollants avec les quatre couleurs dessus. Les participants ont placé quatre doigts sur le clavier et ont été invités à appuyer sur la touche correspondante aussi rapidement que possible. Avant les blocs expérimentaux, ils se sont familiarisés avec la tâche dans un exercice de 10 mots animaux (une fois dans chaque couleur, soit 40 stimuli).
Sonde visuelle
Les participants ont visionné 10 photos en noir et blanc neutres (par exemple, une radio) et 10 liées à l'ordinateur (par exemple, un moniteur) (300 × 300 pixels). Une analyse de Fourier a assuré que les catégories d'images ne différaient pas en ce qui concerne les caractéristiques de bas niveau, telles que le contraste et les détails. Une croix de fixation blanche était visible au milieu de l'écran gris pendant toute la durée de l'expérience et les participants ont été invités à fixer tout au long. Pour chaque essai, les participants ont vu côte à côte une image informatisée et une image neutre pendant 150 ou 450 ms [asynchronie à déclenchement court ou long de stimulus (SOA)] (voir Figure 1). Les SOA courts peuvent être utilisés pour mesurer le passage initial à un stimulus pertinent, tandis que les SOA longs évaluent les difficultés à se désengager de celui-ci (Cox et coll., 2006). Pendant 50 ms, les images ont été remplacées par un écran vide, puis une cible (un carré jaune) est apparue à la place de l'une des images pendant 200 ms. Les participants ont été invités à indiquer la position cible le plus rapidement possible avec la touche «alt» (cibles de gauche) et la touche «alt gr» (cibles de droite). Ensuite, un écran vide est apparu pendant 1000 ou 2000 ms (intervalle inter-essais). Dans les essais avec une SOA courte, l'écran blanc a ensuite été présenté pendant 300 ms, de sorte que chaque essai a duré 1700 ou 2700 ms. Les participants se sont familiarisés avec la tâche dans six essais pratiques avec des images animales et ont réalisé 200 essais expérimentaux (100 courts et 100 longs SOA). La SOA, la durée de l'intervalle inter-stimulus et la position des images et des cibles ont été randomisées.
Figure 1. Séquence d'un essai dans la sonde visuelle. Une image liée à l'ordinateur et une image neutre sont apparues pendant 150 ou 450 ms (asynchronies d'apparition de stimulus courts ou longs), suivies d'un écran vide pendant 50 ms, d'un carré jaune (ici représenté en blanc) sur le côté droit ou gauche pendant 200 ms, et un écran vide pendant 1000 ou 2000 ms (intervalle inter-essais). Dans les essais avec une asynchronie à début de stimulus court, l'écran blanc a ensuite été présenté pendant 300 ms, de sorte que chaque essai a duré 1700 ou 2700 ms
analyses statistiques
Statistica (version 10, StatSoft, Tulsa, USA) et SPSS (version 22, IBM, Armonk, USA) ont été utilisés pour des calculs statistiques. Indépendant t- des tests ont été menés pour comparer l’âge et l’utilisation de l’ordinateur privé et χ2 analyse pour comparer la répartition par sexe entre les groupes. Les temps de réaction, le nombre d'erreurs et le nombre de réponses manquées dans la dépendance Stroop, ainsi que la valence et la familiarité des stimuli, ont été analysés en utilisant des analyses de variance (ANOVA) à plan mixte 2 × 2 avec le -groupe de facteurs de sujets (joueurs / non-joueurs) et type de mot / image du facteur intra-sujets (lié à l'ordinateur / neutre). Les temps de réaction et le nombre d'erreurs dans la sonde visuelle ont été analysés en utilisant une ANOVA à plan mixte 2 × 2 × 2 avec le groupe de facteurs inter-sujets (joueurs / non-joueurs) et les facteurs intra-sujets SOA (150 ms / 450 ms) et le type d'image (liée à l'ordinateur / neutre). Seules les réponses correctes ont été incluses dans les analyses des temps de réaction. Dans l'addiction Stroop, les temps de réponse inférieurs à 200 ms ont été exclus de l'analyse car ils ont été jugés résulter de réactions lentes au mot précédent (Whelan, 2008). Des tests post-hoc de LSD ont été calculés pour tous les effets significatifs dans les ANOVA. La valeur de signification a été définie sur p <05 et Cohen d et ŋ2 sont rapportés en tant que mesures de la taille d'effet.
Les procédures d'étude ont été réalisées conformément à la déclaration d'Helsinki. L’Institutional Review Board de l’Université Georg-August de Goettingen a approuvé l’étude, car les auteurs y travaillaient auparavant et les expériences y ont été menées. Tous les sujets ont été informés de l'étude et ont tous donné leur consentement éclairé.
Résultats
Démographie
Les groupes ne différaient pas significativement en ce qui concerne le sexe, χ2(1) = 1.85, p > .10 ou âge, t(45) = –1.55, p > .10, mais les joueurs excessifs ont passé plus de temps à utiliser leur ordinateur à des fins récréatives que les non-joueurs, t(45) = 4.51, p <.001, d = 1.19. Voir le tableau 1 pour en savoir plus.
|
Tableau 1. Statistiques descriptives pour les joueurs excessifs sur Internet et les non-joueurs
| Les joueurs excessifs sur Internet (n = 21) | Non-joueurs (n = 30) | |
|---|---|---|
| Sexe masculin) | 81.0 | 63.3 |
| Années d'âge) | 22.9 ± 2.1 | 24.5 ± 3.2 |
| Utilisation d'un ordinateur privé par jour (h) | 4.7 ± 2.9 | 2.0 ± 1.4 |
L’analyse 2 × 2 n’a montré aucun effet principal chez le groupe, F(1,46) = 0.92, p = .34, ou type de mot, F(1,46) = 0.03, p = 86, mais il a montré une interaction pour le groupe × type de mot, F(1,46) = 12.13, p = .001, η2 = 01. Les tests post-hoc du LSD ont révélé que les joueurs réagissaient plus lentement aux mots liés à l'ordinateur (583.2 ± 42.2) qu'aux mots neutres (573.7 ± 41.2) et que les non-joueurs réagissaient plus lentement aux mots neutres (597.5 ± 57.9) qu'aux mots liés à l'informatique (587.0 ± 50.3). Voir la figure 2 pour en savoir plus.
Figure 2. Temps de réaction moyens (± SE) aux mots neutres et informatiques dans le Stroop sur la dépendance. Les parenthèses indiquent des tests post-hoc significatifs, *p <05, **p <.01
Les participants ont appuyé sur la mauvaise touche dans 10.2% de tous les essais et ont manqué un mot dans 6.2% de tous les essais. Les erreurs des participants ont été analysées avec une ANOVA de conception mixte 2 × 2. Il n'a pas produit d'effet principal pour le groupe, F(1,46) = 0.012, p = .92, type de mot, F(1,46) = 0.003, p = 96, ou un groupe d'interaction × type de mot F(1,46) = 0.68, p = 41 pour l'ANOVA 2 × 2. L'analyse des mots manqués avec une ANOVA 2 × 2 n'a pas donné d'effet principal pour le groupe, F(1,46) = 3.01, p = .09, type de mot, F(1,46) = 0.25, p = 62, ou un groupe d'interaction × type de mot, F(1,46) = 0.25, p = 62.
Sonde visuelle
L’analyse 2 × 2 × 2 a eu un effet principal sur le groupe, F(1,49) = 4.59, p = .037, ŋ2 = .06 (les joueurs ont globalement réagi plus vite que les non-joueurs) et un effet principal pour SOA, F(1,49) = 51.34, p <.001, ŋ2 = 10 (les participants ont réagi plus rapidement après de longs SOA qu'après de courts SOA), mais cela n'a montré aucun effet principal pour le type d'image, F(1,49) = 1.22, p = 28. Il n'y a eu aucune interaction pour le groupe SOA ×, F(1,49) = 0.51, p = 48, type d'image × groupe, F(1,49) = 0.40, p = 84, SOA × type d'image, F(1,49) = 3.11, p = 08, ou SOA × type d'image × groupe, F(1,49) = 1.32, p = 26. Voir le tableau 2 et la figure 3 pour en savoir plus.
Figure 3. Temps de réaction moyens (± SE) aux images neutres et aux images informatiques avec asynchronies de sursis brèves et longues (SOA) dans la sonde visuelle
|
Tableau 2. Temps de réaction (ms) aux mots neutres et aux mots liés à l'ordinateur avec asynchronies de stimulation courtes et longues dans la sonde visuelle
| Asynchronisme à début de stimulus court | Asynchronisme à début de stimulus long | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| Neutri | En rapport avec un ordinateur | Neutri | En rapport avec un ordinateur | ||||||
| Réservation de groupe | n | M | SD | M | SD | M | SD | M | SD |
| Les joueurs Internet excessifs | 30 | 331.2 | 31.9 | 336.1 | 31.8 | 319.5 | 30.2 | 317.9 | 25.9 |
| Non-joueurs | 21 | 353.4 | 42.4 | 355.2 | 43.2 | 341.8 | 39.1 | 342.3 | 40.9 |
Les participants ont appuyé sur la mauvaise touche dans 1.8% des essais. Les erreurs des participants ont de nouveau été analysées avec une ANOVA de conception mixte 2 × 2 × 2. Cette analyse n'a pas montré d'effet principal pour le groupe, F(1,49) = 1.15, p = .29, type d'image, F(1,49) = 2.56, p = .12, ou SOA, F(1,49) = 0.05, p = 83, mais il a montré un groupe d'interaction × type d'image, F(1,49) = 4.79, p = .033, ŋ2 = 01. Des tests post-hoc au LSD ont révélé que les joueurs faisaient plus d'erreurs avec des images liées à l'ordinateur (4.7 ± 3.7) qu'avec des images neutres (3.4 ± 2.5). Les non-joueurs ne différaient pas par le nombre d'erreurs avec des images neutres (3.4 ± 2.7) et des images liées à l'ordinateur (3.2 ± 2.3). Il n'y a eu aucune interaction pour le groupe × SOA, F(1,49) = 2.20, p = .14, type d'image × SOA, F(1,49) = 0.002, p = 96, ou groupe × type d'image × SOA, F(1,49) = 0.65, p = 42. Les participants n'ont manqué aucun objectif.
Valence et la familiarité
Paroles
En ce qui concerne la valence, l’analyse 2 × 2 a montré un effet principal sur le type de mot, F(1,46) = 11.60, p = .001, ŋ2 = .07 et un groupe d'interaction × type de mot, F(1,46) = 30.81, p <.001, ŋ2 = 19. Les tests post-hoc du LSD ont révélé que les joueurs ont évalué les mots liés à l'ordinateur (6.4 ± 1.3) comme plus positifs que les mots neutres (5.2 ± 0.7). Les évaluations de valence des non-joueurs ne différaient pas pour les mots neutres (5.6 ± 0.8) et liés à l'ordinateur (5.3 ± 0.9). Il n'y a pas eu d'effet principal pour le groupe, F(1,46) = 1.52, p = .22. Voir la figure 4a pour en savoir plus.
Figure 4. Valence moyenne et familiarité (± SE) des mots neutres et liés à l'ordinateur (à gauche) et des images (à droite) dans le Stroop et la sonde visuelle. Les parenthèses indiquent des tests post-hoc significatifs, *p <05, **p <01 ***p <.001
En ce qui concerne la familiarité, l’analyse 2 × 2 a montré un effet principal pour le groupe, F(1,46) = 4.38, p = .04, ŋ2 = 05 et une interaction de type groupe × mot, F(1,46) = 13.79, p = .001, ŋ2 = .09. Les tests post-hoc du LSD ont révélé que les joueurs étaient plus familiers avec les mots liés à l'ordinateur (7.9 ± 0.9) qu'avec les mots neutres (7.1 ± 1.3); l'inverse était vrai pour les non-joueurs (mots neutres: 7.1 ± 1.3; mots liés à l'informatique: 6.6 ± 1.4). Il n'y avait pas d'effet principal pour le type de mot, F(1,46) = 0.89, p = .35. Voir la figure 4c pour en savoir plus.
Photos
En ce qui concerne la valence, il n'y a pas eu d'effets principaux pour le groupe, F(1,49) = 1.79, p = .19 ou type d'image, F(1,49) = 2.59, p = 11 pour l'ANOVA 2 × 2, mais une interaction a été trouvée, F(1,49) = 23.43, p <.001, ŋ2 = .07. Les tests post-hoc du LSD ont montré que les joueurs ont évalué les images liées à l'ordinateur (6.5 ± 1.5) comme plus positives que les images neutres (5.8 ± 1.4) et que les non-joueurs ont évalué les images neutres (5.9 ± 1.3) comme plus positives que l'ordinateur. apparentés (5.5 ± 1.2). Voir la figure 4b pour en savoir plus.
En ce qui concerne la familiarité, l’analyse 2 × 2 a eu un effet principal sur le type d’image, F(1,49) = 12.65, p = .001, ŋ2 = 06 et une interaction groupe × type d'image, F(1,49) = 10.21, p = .002, ŋ2 = 05. Les tests post-hoc au LSD ont révélé que les joueurs étaient plus familiers avec les images liées à l'ordinateur (7.3 + 1.1) qu'avec les images neutres (6.3 + 1.3). Les notes de familiarité des non-joueurs ne différaient pas entre les images neutres (6.2 + 1.0) et les images liées à l'ordinateur (6.3 + 1.3). Il n'y avait pas d'effet principal pour le groupe, F(1,49) = 2.85, p = .10. Voir la figure 4d pour en savoir plus.
Discussion et conclusions
Nous avons utilisé un Stroop et une sonde visuelle pour déterminer si les joueurs excessifs sur Internet montrent un biais d’attention envers les stimuli liés à l’ordinateur. Soutenant notre première hypothèse, les joueurs ont réagi plus lentement aux mots liés à l’informatique qu’aux mots neutres dans un Stroop addictif. Cependant, leurs temps de réaction ne différaient pas entre les cibles qui suivaient des images neutres et relatives à l'ordinateur dans une sonde visuelle. Ainsi, notre deuxième hypothèse n'a pas été soutenue.
La découverte que les joueurs excessifs montrent un biais de l'attention dans une dépendance Stroop étend les résultats de Metcalf et Pammer (2011). Non seulement les mots MMORPG, mais aussi les mots liés aux ordinateurs en général, tels que moniteur, a attiré l'attention de joueurs excessifs sur Internet et a provoqué une interférence dans une tâche comportementale. Ceci est en accord avec le modèle selon lequel le biais de l'attention est causé par le conditionnement classique des stimuli liés au contexte, plutôt qu'au contenu de l'expérience de jeu devenue le CS. En outre, selon la théorie des préoccupations actuelles (Cox et coll., 2006), les ordinateurs ont une forte valeur de motivation pour les personnes qui poursuivent l'objectif du jeu. Contrairement à nos résultats, Van Holst et al. (2012) n'a pas trouvé de différence de temps de réaction entre le jeu et les mots neutres. Une explication possible de cette différence pourrait être qu'ils ont étudié un échantillon moins homogène et utilisé un matériel de stimulation plus hétérogène: leurs participants ont joué à différents types de jeux et les mots qu'ils ont vus provenaient de ces différents jeux, de sorte qu'ils n'auraient peut-être pas été à égalité. pertinence pour tous les joueurs.
Similaire à Van Holst et al. (2012), nous n'avons pas démontré de biais attentionnel dans les temps de réaction dans une sonde visuelle, mais nous avons constaté que seuls les joueurs Internet excessifs faisaient beaucoup plus d'erreurs avec les cibles suivant des images liées à l'ordinateur par rapport aux images neutres. Cela pourrait indiquer que le fait de voir des images liées à l'ordinateur a conduit à une préoccupation pour les jeux informatiques qui interféraient avec la localisation correcte de la cible. Néanmoins, étant donné que les participants ont commis si peu d'erreurs en général, ce résultat doit être interprété avec prudence. Contrairement à notre étude, Lorenz et al. (2013) a constaté un biais d’attention dans des Sensationnel les joueurs vers Sensationnelimages liées à une sonde de points. En théorie, Sensationnelles images liées attirent davantage l’attention que les images liées à l’ordinateur.
Un article de Dye, Green et Bavelier (2009) a eu pour résultat que le fait de jouer à des jeux vidéo d'action améliore les temps de réaction. Cela pourrait être la raison pour laquelle les joueurs étaient globalement plus rapides que les non-joueurs de la sonde visuelle. Cependant, les joueurs n'étaient pas plus rapides dans le Stroop addiction. Éventuellement, réagir à une cible se trouvant à un endroit ou à un autre ressemble davantage à leur expérience de jeu habituelle que d'indiquer la couleur d'un mot. De plus, les mécanismes sous-jacents aux tâches diffèrent: dans le Stroop Addiction, le traitement de la signification sémantique du mot associé à l'ordinateur interfère avec nommer la couleur du mot, alors que dans la sonde visuelle, attribuant l'attention vers une image informatique facilite détecter une cible qui la suit.
Les joueurs excessifs sur Internet, mais non les non-joueurs, ont jugé les mots et les images liés à l’informatique plus positifs que les neutres et les connaissaient mieux, montrant une tendance à suivre et soutenant la sélection de stimulus.
Les résultats des expériences étant contradictoires, des études supplémentaires sont nécessaires pour explorer le biais de l'attention chez les joueurs excessifs sur Internet. Nous nous dirigeons vers la conclusion que les joueurs présentent un biais d’attention, ce qui est conforme aux résultats d’études menées auprès de personnes atteintes de troubles liés à la toxicomanie (Cox et coll., 2006; Robbins et Ehrman, 2004) et trouble du jeu (Boyer et Dickerson, 2003; McCusker et coll., 1997; Molde et al., 2010; Vizcaino et al., 2013), ainsi que notre addiction Stroop. Une des raisons de l'absence d'effet dans la sonde visuelle pourrait être que la tâche était trop facile pour les joueurs pour détecter un biais. Les joueurs excessifs dans notre étude avaient des temps de réaction moyens de 326 ms à toutes les cibles. Par rapport à cela, les personnes ayant un trouble lié à l'usage de substances affichent des temps de réaction entre 361 et 643 ms (Bradley, Field, Mogg et De Houwer, 2004; Bradley, Mogg, Wright et Field, 2003; Ehrman et coll., 2002; Field et Cox, 2008; Field, Eastwood, Bradley et Mogg, 2006; Field, Mogg et Bradley, 2004; Field, Mogg, Zetteler et Bradley, 2004; Lubman, Peters, Mogg, Bradley et Deakin, 2000; Mogg, Bradley, Field et De Houwer, 2003). Il est possible que même si les joueurs accordaient plus d'attention aux stimuli liés à l'ordinateur, cela n'aurait toujours pas facilité la détection des cibles à la suite de ces stimuli, car peut-être que réagir aux cibles était si facile que la facilitation ne pouvait pas améliorer davantage le temps de réaction. Le suivi oculaire pourrait être utilisé pour savoir si les joueurs Internet excessifs accordent leur attention aux images liées à l'ordinateur. Marks et coll. (2014) a combiné une sonde visuelle à un eye-tracking lorsqu’il enquêtait sur des toxicomanes à la cocaïne. Les auteurs n'ont trouvé aucune différence dans les temps de réaction, mais l'observation visuelle a montré que les personnes dépendantes à la cocaïne fixaient plus longtemps leurs images que les images neutres.
Les résultats de notre étude doivent être interprétés à la lumière de ses limites: l'échantillon était composé d'étudiants universitaires, limitant ainsi la généralisabilité. La sonde visuelle était peut-être trop facile pour les participants et, par conséquent, les études futures devraient utiliser un paradigme plus difficile. Parmi les atouts méthodiques de la présente étude, il faut compter que Cox et al.2006) les conditions requises pour un Stroop valide pour toxicomanie ont été remplies et, en général, les faibles différences entre les stimuli liés à l’informatique et les stimuli neutres ont été évitées, ce qui pourrait influencer les temps de réaction.
En conclusion, le toxicomane Stroop, mais pas la sonde visuelle, a fourni la preuve de l’existence d’un biais d’attention chez les joueurs excessifs sur Internet. D'autres études devraient suivre en utilisant des mesures directes des biais de l'attention, tels que le suivi oculaire.
NN et AB ont conçu l'étude. FJ a contribué à la conception. FJ et AB ont effectué les analyses statistiques. FJ a rédigé la première version du manuscrit et tous les auteurs ont contribué et approuvé le manuscrit final. Tous les auteurs avaient un accès complet à toutes les données de l'étude et assumaient la responsabilité de l'intégrité des données et de l'exactitude de l'analyse des données.
Les auteurs ne déclarent aucun conflit d'intérêt.
Nous remercions Julia Meister et Lisa-Maria Benedickt pour leur aide précieuse dans la collecte de données.
Bibliographie
| Achab, S., Nicolier, M., Mauny, F., Monnin, J., Trojak, B., Vandel, P., Sechter, D., Gorwood, P., et Haffen, E. (2011). Jeux de rôle en ligne massivement multijoueurs: Comparaison des caractéristiques des joueurs recrutés en ligne addict vs non addict dans une population adulte française. Psychiatrie BMC, 11 (1), 144. doi: 10.1186 / 1471-244X-11-144 CrossRef, Medline | |
| Association américaine de psychiatrie. (2013). Manuel diagnostique et statistique des troubles mentaux: DSM-5TM (5th ed.). Arlington, VA: Édition psychiatrique américaine. CrossRef | |
| Atkins, G. et Sharpe, L. (2006). Biais cognitifs dans le jeu problématique. Gambling Research: Journal de la National Association for Gambling Studies, 15 (2), 35–43. | |
| Barke, A., Nyenhuis, N., Voigts, T., Gehrke, H., et Kröner-Herwig, B. (2013). L'échelle d'utilisation compulsive d'Internet (CIUS) adaptée pour évaluer le jeu multijoueur excessif. Journal of Addiction Research & Therapy, 4 (5), 164-170. doi: 10.4172 / 2155-6105.1000164 | |
| Barnett, J., et Coulson, M. (2010). Pratiquement réel: une perspective psychologique sur les jeux en ligne massivement multijoueurs. Examen de la psychologie générale, 14 (2), 167-179. doi: 10.1037 / a0019442 CrossRef | |
| Batthyány, D., Müller, K. W., Benker, F., et Wölfling, K. (2009). Jeux informatiques: caractéristiques cliniques de la dépendance et de la maltraitance chez les adolescents. Wiener klinische Wochenschrift, 121, 502–509. doi: 10.1007 / s00508-009-1198-3 CrossRef, Medline | |
| Beutel, M. E., Hoch, C., Wölfling, K., et Müller, K. W. (2011). Klinische Merkmale der Computerspiel- und Internetsucht am Beispiel der Inanspruchnehmer einer Spielsuchtambulanz. Zeitschrift für Psychosomatische Medizin und Psychotherapie, 57 (1), 77–90. CrossRef, Medline | |
| Blizzard Entertainment. (2014). World of Warcraft® Warlords of Draenor dépasse le million d'abonnés 10TM le lancement commence. Extrait de http://blizzard.gamespress.com/world-of-warcraft-surpasses-10-million-subscribers-as-warlords-of-drae, Archivé sous http://www.webcitation.org/6Z8WXvpVf | |
| Boyer, M. et Dickerson, M. (2003). Biais attentionnel et comportement addictif: Automaticité dans une tâche Stroop modifiée spécifique au jeu. Addiction, 98, 61–70. CrossRef, Medline | |
| Bradley, B., Field, M., Mogg, K., et De Houwer, J. (2004). Biais attentionnels et évaluatifs pour les indices de tabagisme dans la dépendance à la nicotine: Processus composants de biais dans l'orientation visuelle. Pharmacologie comportementale, 15, 29–36. doi: 10.1097 / 00008877-200402000-00004 CrossRef, Medline | |
| Bradley, B., Mogg, K., Wright, T., et Field, M. (2003). Biais attentionnel dans la toxicomanie: vigilance pour les signaux liés à la cigarette chez les fumeurs. Psychologie des comportements addictifs, 17 (1), 66–72. doi: 10.1037 / 0893-164X.17.1.66 CrossRef, Medline | |
| Chen, S.-Y., et Tzeng, J.-Y. (2010). Profils des pratiques des grands utilisateurs d'Internet des collèges, femmes et hommes, leurs notes académiques et adaptation psychosociale. Cyberpsychologie, comportement et réseautage social, 13 (3), 257-262. CrossRef, Medline | |
| Chiu, S.-I., Lee, J.-Z. et Huang, D.-H. (2004). Dépendance aux jeux vidéo chez les enfants et les adolescents à Taiwan. Cyberpsychologie et comportement, 7 (5), 571-581. CrossRef, Medline | |
| Cole, H., et Griffiths, M. D. (2007). Interactions sociales chez les joueurs de rôle en ligne massivement multijoueurs. CyberPsychologie et comportement, 10 (4), 575-583. doi: 10.1089 / cpb.2007.9988 CrossRef, Medline | |
| Cox, W. M., Fadardi, J. S., et Pothos, E. M. (2006). Le test addiction-Stroop: considérations théoriques et recommandations procédurales. Bulletin psychologique, 132 (3), 443–476. doi: 10.1037 / 0033-2909.132.3.443 CrossRef, Medline | |
| Cox, W. M., Hogan, L. M., Kristian, M. R. et Race, J. H. (2002). Le biais attentionnel lié à l'alcool comme prédicteur du résultat du traitement des alcooliques. Drug and Alcohol Dependence, 68, 237–243. doi: 10.1016 / S0376-8716 (02) 00219-3 CrossRef, Medline | |
| Dye, M. W. G., Green, C. S., et Bavelier, D. (2009). Augmentation de la vitesse de traitement avec les jeux vidéo d'action. Orientations actuelles en sciences psychologiques, 18 (6), 321–326. doi: 10.1111 / j.1467-8721.2009.01660.x CrossRef, Medline | |
| Ehrman, R. N., Robbins, S. J., Bromwell, M. A., Lankford, M. E., Monterosso, J. R. et O'Brien, C. P. (2002). Comparaison du biais attentionnel aux indices de tabagisme chez les fumeurs actuels, les anciens fumeurs et les non-fumeurs à l'aide d'une tâche de sonde à points. Dépendance aux drogues et à l'alcool, 67 (2), 185–191. doi: 10.1016 / S0376-8716 (02) 00065-0 CrossRef, Medline | |
| Field, M. et Cox, W. M. (2008). Biais attentionnel dans les comportements addictifs: un examen de son développement, ses causes et ses conséquences. Dépendance aux drogues et à l'alcool, 97 (1–2), 1–20. doi: 10.1016 / j.drugalcdep.2008.03.030 CrossRef, Medline | |
| Field, M., Eastwood, B., Bradley, B. P. et Mogg, K. (2006). Traitement sélectif des signaux de cannabis chez les consommateurs réguliers de cannabis. Drug and Alcohol Dependence, 85, 75–82. doi: 10.1016 / j.drugalcdep.2006.03.018 CrossRef, Medline | |
| Field, M., Mogg, K. et Bradley, B. P. (2004). Biais cognitif et envie de drogue chez les consommateurs récréatifs de cannabis. Dépendance aux drogues et à l'alcool, 74 (1), 105–111. doi: 10.1016 / j.drugalcdep.2003.12.005 CrossRef, Medline | |
| Field, M., Mogg, K., Zetteler, J., et Bradley, B. P. (2004). Biais attentionnels pour les signaux d'alcool chez les buveurs sociaux lourds et légers: Les rôles de l'orientation initiale et de l'attention maintenue. Psychopharmacology, 176 (1), 88–93. doi: 10.1007 / s00213-004-1855-1 CrossRef, Medline | |
| Field, M., Munafò, M. R., et Franken, I. H. A. (2009). Une enquête méta-analytique de la relation entre le biais attentionnel et le besoin subjectif de toxicomanie. Bulletin psychologique, 135 (4), 589–607. doi: 10.1037 / a0015843 CrossRef, Medline | |
| Griffiths, M. D., Davies, M. N., et Chappell, D. (2004). Facteurs démographiques et variables de jeu dans les jeux informatiques en ligne. Journal of Adolescence, 7 (1), 87–96. CrossRef | |
| Hellström, C., Nilsson, K. W., Leppert, J., et Slund, C. (2012). Influence des motivations à jouer et du temps passé à jouer sur les conséquences négatives des jeux informatiques en ligne chez les adolescents. Ordinateurs dans le comportement humain, 28, 1379-1387. doi: 10.1016 / j.chb.2012.02.023 CrossRef | |
| Institut für Deutsche Sprache. (2009). DeReWo Korpusbasierte Wortformenliste. Récupéré de http://www1.ids-mannheim.de/kl/projekte/methoden/derewo.html, Archivé sous http://www.webcitation.org/6ZLwqqE8l | |
| Ishihara Farbtafel. (2009). Récupéré de http://www.docstoc.com/docs/5184693/color-blindness-test, Archivé sous http://www.webcitation.org/6Z8WkPjqt | |
| Janssen, T., Larsen, H., Vollebergh, W. A. M. et Wiers, R. W. (2015). Relations longitudinales entre les biais cognitifs et la consommation d'alcool chez les adolescents. Addictive Behaviors, 44, 51–57. doi: 10.1016 / j.addbeh.2014.11.018 CrossRef, Medline | |
| Jeong, E. J. et Kim, D. H. (2011). Activités sociales, auto-efficacité, attitudes de jeu et dépendance au jeu. Cyberpsychologie, comportement et réseautage social, 14 (4), 213–21. doi: 10.1089 / cyber.2009.0289 CrossRef, Medline | |
| Lemmens, J. S., Valkenburg, P. M. et Peter, J. (2011). Causes et conséquences psychosociales du jeu pathologique. Les ordinateurs dans le comportement humain, 27 (1), 144–152. doi: 10.1016 / j.chb.2010.07.015 CrossRef | |
| Liu, M. et Peng, W. (2009). Prédicteurs cognitifs et psychologiques des résultats négatifs associés aux jeux MMOG (jeux en ligne massivement multijoueurs). Ordinateurs dans le comportement humain, 25 (6), 1306–1311. doi: 10.1016 / j.chb.2009.06.002 CrossRef | |
| Lo, S., Wang, C. et Fang, W. (2005). Relations interpersonnelles physiques et anxiété sociale chez les joueurs de jeux en ligne. CyberPsychologie et comportement, 8 (1), 15–20. doi: 10.1089 / cpb.2005.8.15 CrossRef, Medline | |
| Lorenz, R. C., Krüger, J.-K., Neumann, B., Schott, B. H., Kaufmann, C., Heinz, A., et Wüstenberg, T. (2013). Cue réactivité et son inhibition chez les joueurs de jeux informatiques pathologiques. Addiction Biology, 18 (1), 134–146. doi: 10.1111 / j.1369-1600.2012.00491.x CrossRef, Medline | |
| Lubman, D. I., Peters, L. A., Mogg, K., Bradley, B. P. et Deakin, J. F. (2000). Biais attentionnel pour les signaux de drogue dans la dépendance aux opiacés. Médecine psychologique, 30 (30), 169-175. doi: 10.1017 / S0033291799001269 CrossRef, Medline | |
| Marks, K. R., Roberts, W., Stoops, W. W., Pike, E., Fillmore, M. T., et Rush, C. R. (2014). Le temps de fixation est une mesure sensible du biais attentionnel de la cocaïne. Addiction, 109, 1501-1508. doi: 10.1111 / add.12635 CrossRef, Medline | |
| McCusker, C. G., Gettings, B., et Ireland, N. (1997). Automaticité des biais cognitifs dans les comportements addictifs: preuves supplémentaires avec les joueurs. Journal britannique de psychologie clinique, 36, 543–554. CrossRef, Medline | |
| Metcalf, O. et Pammer, K. (2011). Biais attentionnel chez les joueurs de rôle en ligne massivement multijoueurs excessifs utilisant une tâche Stroop modifiée. Ordinateurs dans le comportement humain, 27 (5), 1942–1947. doi: 10.1016 / j.chb.2011.05.001 CrossRef | |
| Mogg, K., Bradley, B. P., Field, M. et De Houwer, J. (2003). Mouvements oculaires vers des images liées au tabagisme chez les fumeurs: relation entre les biais attentionnels et les mesures implicites et explicites de la valence du stimulus. Addiction, 98, 825–836. doi: 10.1046 / j.1360-0443.2003.00392.x CrossRef, Medline | |
| Molde, H., Pallesen, S., Sætrevik, B., Hammerborg, D. K., Laberg, J. C., et Johnsen, B.-H. (2010). Les biais attentionnels chez les joueurs pathologiques. International Gambling Studies, 10 (1), 45–59. doi: 10.1080 / 14459791003652501 CrossRef | |
| Peng, W. et Liu, M. (2010). Dépendance aux jeux en ligne: une étude préliminaire en Chine. Cyberpsychologie, comportement et réseautage social, 13 (3), 329–333. CrossRef, Medline | |
| Petry, NM, Rehbein, F., Gentile, DA, Lemmens, JS, Rumpf, H.-J., Mößle, T., Bischof, G., Tao, R., Fung, DS, Borges, G., Auriacombe , M., González Ibáñez, A., Tam, P., et O'Brien, CP (2014). Un consensus international pour évaluer le trouble du jeu sur Internet à l'aide de la nouvelle approche DSM-5. Addiction, 109 (9), 1399-1406. doi: 10.1111 / add.12457 CrossRef, Medline | |
| Posner, M. I., Snyder, C. R. et Davidson, B. J. (1980). Attention et détection des signaux. Journal of Experimental Psychology, 109 (2), 160–174. doi: 10.1037 / 0096-3445.109.2.160 CrossRef, Medline | |
| Rehbein, F., Kleimann, M. et Mössle, T. (2010). Prévalence et facteurs de risque de la dépendance aux jeux vidéo à l'adolescence: résultats d'une enquête nationale allemande. Cyberpsychologie, comportement et réseautage social, 13 (3), 269-277. doi: 10.1089 / cyber.2009.0227 CrossRef, Medline | |
| Robbins, S. J., et Ehrman, R. N. (2004). Le rôle du biais attentionnel dans la toxicomanie. Revues de neurosciences comportementales et cognitives, 3, 243–260. CrossRef, Medline | |
| Schoenmakers, T. M., de Bruin, M., Lux, I. F. M., Goertz, A. G., Van Kerkhof, D. H., et Wiers, R. W. (2010). Efficacité clinique de la formation à la modification du biais attentionnel chez les patients alcooliques abstinents. Dépendance aux drogues et à l'alcool, 109 (1–3), 30–36. doi: 10.1016 / j.drugalcdep.2009.11.022 CrossRef, Medline | |
| Shen, C. et Williams, D. (2011). Temps de déballage en ligne: connexion Internet et utilisation de jeux en ligne massivement multijoueurs avec bien-être psychosocial. Communication Research, 38 (1), 123–149. doi: 10.1177 / 0093650210377196 CrossRef | |
| Singh, A. (2013). L'Asie Pacifique compte le plus grand public quotidien de joueurs en ligne. Récupéré de http://www.comscore.com/Insights/Data-Mine/Asia-Pacific-Has-Largest-Daily-Online-Gaming-Audience, Archivé sous http://www.webcitation.org/6Z8WKx7kk | |
| Skoric, M. M., Teo, L. L. C. et Neo, R. L. (2009). Enfants et jeux vidéo: dépendance, engagement et réussite scolaire. CyberPsychologie et comportement, 12 (5), 567-572. CrossRef, Medline | |
| Smyth, J. M. (2007). Au-delà de l'auto-sélection dans le jeu vidéo: un examen expérimental des conséquences du jeu de rôle en ligne massivement multijoueur. CyberPsychologie et comportement, 10 (5), 717–721. doi: 10.1089 / cpb.2007.9963 CrossRef, Medline | |
| Van Holst, R. J., Lemmens, J. S., Valkenburg, P. M., Peter, J., Veltman, D. J., et Goudriaan, A. E. (2012). Le biais attentionnel et la désinhibition envers les signaux de jeu sont liés au jeu problématique chez les adolescents de sexe masculin. Journal of Adolescent Health, 50 (6), 541-546. doi: 10.1016 / j.jadohealth.2011.07.006 CrossRef, Medline | |
| Van Rooij, A. J., Kuss, D., Griffiths, M. D., Shorter, G. W., et Van de Mheen, D. (2013). La (co-) occurrence de jeux vidéo problématiques, de consommation de substances et de problèmes psychosociaux chez les adolescents. Journal of Behavioral Addictions, 3 (3), 157–165. doi: 10.1556 / JBA.3.2014.013 Lien | |
| Van Rooij, A. J., Schoenmakers, T. M., Vermulst, A. A., Van den Eijnden, R. J. J. M., et Van de Mheen, D. (2011). Dépendance aux jeux vidéo en ligne: identification des joueurs adolescents accros. Addiction, 106 (1), 205–212. doi: 10.1111 / j.1360-0443.2010.03104.x CrossRef, Medline | |
| Vizcaino, E. J. V., Fernandez-Navarro, P., Blanco, C., Ponce, G., Navio, M., Moratti, S., et Rubio, G. (2013). Maintien de l'attention et jeu pathologique. Psychologie des comportements addictifs, 27 (3), 861–867. doi: 10.1037 / a0032656 CrossRef, Medline | |
| Whelan, R. (2008). Analyse efficace des données de temps de réaction. Le dossier psychologique, 58, 475 – 482. |
;
