Peng Wang1, Qingnan Lin2, 
Fengqiang Gao1* et Yingmin Chen1*
- 1École de psychologie, Université normale du Shandong, Jinan, Chine
- 2Département de l'éducation préscolaire, Université Heze, Heze, Chine
Cette étude a exploré la relation réciproque entre la dépendance à Internet (IA) et la cognition mésadaptée liée au réseau (NMC) chez les étudiants de première année d'université chinois. Une enquête longitudinale à court terme sur un échantillon d'étudiants de première année d'université 213 a été menée dans la province de Shandong, en Chine. Les résultats ont révélé que l'AI peut prédire de manière significative la génération et le développement des CNS et que, lorsque de telles cognitions mésadaptées ont été établies, elles peuvent nuire davantage à l'étendue de l'AI des étudiants. Un cercle vicieux a été observé entre ces deux variables, l'IA ayant une priorité prédictive dans ses relations avec NMC. Cette étude a également déterminé que la relation entre ces deux variables était la même pour les hommes et les femmes; Par conséquent, le modèle final que nous avons établi peut être largement appliqué aux étudiants de première année d'université chinois, quel que soit leur sexe. La compréhension de la relation réciproque entre ces deux variables peut faciliter les interventions en IV au début de la vie universitaire des étudiants.
Introduction
Depuis sa création dans les 1990, Internet est progressivement devenu une partie intégrante de la vie quotidienne en Chine, en particulier chez les adolescents âgés de 10 – 21 ((Daniel et al., 2012; Liu et al., 2012). Selon le 36th Rapport statistique sur le développement de l'Internet en Chine, publié par le CNNIC (China Internet Network Information Center), le nombre d’adolescents utilisant Internet est rapidement passé de 120 en 2002 à 287 en 2016 (Tian et al., 2017).
L’Internet a produit de nombreux avantages, tels que l’amélioration de la connexion sociale et du bien-être (Bessière et al., 2008; Young et de Abreu, 2011). Cependant, la dépendance à Internet (IA), caractérisée par une utilisation excessive ou compulsive de l’Internet (Young et al., 1999; Shek et al., 2013; Yang et al., 2014) a eu de nombreux effets négatifs (Joseph et al., 2016). Un certain nombre d’études ont démontré que l’IA pouvait nuire à la santé physique et mentale (Ayas et Horzum, 2013; Georgios et al., 2014; Mike et Zhong, 2014). Par exemple, les adolescents souffrant d’IA souffrent généralement d’anxiété, de dépression, de solitude, de manque d’estime de soi et de mauvaises relations interpersonnelles (Tokunaga et Rains, 2010; Georgios et al., 2014; Mike et Zhong, 2014), ce qui peut nuire davantage à leur bien-être (Tokunaga et Rains, 2010; Georgios et al., 2014; Mike et Zhong, 2014) et développement académique (Chuang, 2006; Kim et al., 2008; Tsai et al., 2009; Ahmadi et Saghafi, 2013). Par conséquent, étudier l’IA chez les adolescents a des implications éducatives et sociales cruciales.
Relation entre IA et NMC
On a longtemps pensé que la cognition mésadaptée liée au réseau (NMC) jouait un rôle central dans l'IA (Li et al., 2013). Selon le modèle cognitivo-comportemental (Davis, 2001), la psychopathologie (par exemple, la dépression et l’anxiété sociale) est une cause distale nécessaire de symptômes d’AI qui ne provoque pas en elle-même de symptômes d’AI. Les facteurs clés de l’IA sont les CMN, qui sont des causes proximales suffisantes (Daniel et al., 2012; Figure 1). De nombreuses études ont montré que la psychopathologie distale rend un individu vulnérable à l’IA par le biais du NMC (Kalkan, 2012; Mai et al., 2012; Li et Wang, 2013; Lu et Yeo, 2015). Par exemple, les chercheurs ont étudié la relation sous-jacente entre le tempérament (contrôle de l'effort, recherche de sensations fortes et forte colère ou frustration liée au traitement) et le développement de l'AI; les résultats ont indiqué que certains tempéraments influent sur le niveau d'analyse d'impact par l'effet du tempérament sur leur connaissance des comportements en ligne (Zhang et al., 2015). Tian et al. (2017) ont examiné les associations réciproques entre timidité, cognitions mésadaptées et utilisation Internet pathologique généralisée (GPIU) dans un échantillon chinois. Les résultats ont montré que les associations entre ces variables sont dynamiques et bidirectionnelles, et que les cognitions mésaptives accrues induisaient de manière bidirectionnelle la relation entre la timidité et la GPIU au fil du temps. En outre, d’autres études ont montré que le style de vie parentale et les relations entre pairs pourraient prédisposer des personnes à la CNG, ce qui aurait une incidence supplémentaire sur le niveau de l’IA (Li et al., 2013; Wang et al., 2015).
FIGURE 1. Modèle cognitivo-comportemental de l'utilisation pathologique de l'Internet (Davis, 2001).
En outre, de nombreuses autres études ont été consacrées à la dépendance au jeu sur Internet et à son lien avec les cognitions mésadaptées. King et Delfabbro (2014) a proposé un nouveau modèle offrant des explications théoriques sur les origines et la pathogenèse de la dépendance aux jeux sur Internet. Les auteurs ont identifié quatre cognitions mésadaptées sous-jacentes à la dépendance au jeu sur Internet, à savoir la surévaluation, les règles mésadaptées, l’estime de soi au jeu et l’acceptation du jeu. Certaines études empiriques ont également montré que les adolescents présentant des symptômes de dépendance au jeu sur Internet ont signalé significativement plus de cognitions mésadaptées que les adolescents ne présentant pas ces symptômes (Zhou et al., 2012; Liu et al., 2014; King et Delfabbro, 2016). Peng et Liu (2010) ont rapporté qu'une échelle à cinq items mesurant les cognitions prédisait de manière significative la dépendance au jeu sur Internet chez les adultes chinois. Forrest et al. (2016) ont étudié les cognitions mésadaptées associées au jeu vidéo problématique jouant chez un échantillon d'adultes australiens 465. Les résultats ont révélé que ces cognitions problématiques étaient en corrélation moyenne à forte avec la dépendance au jeu sur Internet. Forrest et al. (2017) a examiné si une cognition inadaptée pouvait prédire les changements futurs dans les jeux vidéo problématiques en utilisant une étude longitudinale au mois de 12. Les résultats ont montré que les changements cognitifs expliquaient 28% de la variance dans les scores de jeu problématiques au-delà du sexe, de l'âge et de la fréquence des jeux.
Bien qu'un certain nombre d'études aient identifié l'influence du NMC sur l'analyse d'impact, peu d'études ont exploré l'influence possible de l'analyse d'impact sur le NMC. Théorie de la dissonance cognitive (Festinger, 1957), qui concerne principalement la manière dont les gens ressentent et réagissent aux incohérences dans la pensée et entre le comportement et la pensée, fournit une explication alternative de la relation entre NMC et l'AI. Lorsque les personnes prennent conscience d’incohérences, elles éprouvent un malaise ou une dissonance, ce qui incite à réduire leur nombre et à retrouver leur cohérence en adaptant leurs attitudes, leurs perceptions ou leur comportement jusqu’à ce que ces incohérences soient résolues (de Vries et Timmins, 2016). Selon cette théorie, lorsque des personnes se comportent de manière incohérente avec leurs valeurs, par exemple en se livrant à Internet alors qu’elle a déjà eu un impact négatif sur leur vie, elles éprouvent une dissonance sous forme de regret; cela se produit avec un sentiment de responsabilité personnelle pour les conséquences négatives de leurs comportements. La plupart des gens sont en mesure de bien ajuster leur comportement pour réduire cette dissonance. Cependant, certaines personnes peuvent réduire la dissonance en modifiant leur attitude envers Internet, réduisant ainsi leur dissonance tout en maintenant des comportements problématiques. Chiou et Wan (2007) enquêté sur ce processus avec un échantillon de joueurs de jeux vidéo. Les résultats ont révélé que les joueurs qui se sentent responsables de leur comportement sont plus susceptibles de faire passer leurs attitudes vis-à-vis des jeux vidéo de positives à négatives, alors que les joueurs investissant davantage dans le jeu vidéo sont moins susceptibles d'adopter un comportement divergeant.
Recherche sur l'IA chez les étudiants
Diverses études ont suggéré que les adolescents constituaient la majorité des utilisateurs d’Internet et que les étudiants étaient particulièrement vulnérables à l’IA en raison de la facilité d’accès à Internet, de la flexibilité de leurs horaires et de leur faible capacité à contrôler leur comportement (Shaw et Black, 2008; Fu et al., 2010; Georgios et al., 2014; Yang et al., 2014). De plus, le début de la vie d'université est une période de développement pour les étudiants pendant la transition, passant d'une dépendance relativement forte aux relations interpersonnelles (non seulement les relations familiales, mais également les relations entre pairs et autres relations sociales; Woodhouse et al., 2012). Des études antérieures ont montré que l'utilisation non contrôlée d'Internet est étroitement liée à une baisse de la communication et de la supervision familiales (Van den Eijnden et al., 2010; Liu et al., 2012). Ainsi, l’évolution des relations interpersonnelles a tendance à exposer les étudiants de première année d’université au risque de développer une IA (Zhang et al., 2014).
En outre, les étudiants de première année doivent passer une série d’examens rigoureux pour pouvoir être admis à l’université en Chine et ne disposent généralement pas de suffisamment de temps pour réfléchir au cours de leurs études secondaires. Ainsi, confrontés à la vie de collège, leur manque d’étude et leurs compétences interpersonnelles peuvent les amener à se sentir déconcertés (Ni et al., 2009). De plus, en raison de leurs temps de loisirs abondants et de leur accès illimité à Internet par le biais de toute une gamme d’outils sans fil, les étudiants de première année ont tendance à passer beaucoup de temps en ligne et sont donc très susceptibles de présenter des symptômes d’IA pendant cette période unique (Chen, 2012). Afin de fournir des stratégies préventives et d'intervention à l'EI, une étude longitudinale à court terme a été menée au cours d'un premier semestre au collège.
La présente étude
Bien que de nombreux chercheurs aient étudié la relation entre l’IA et le CNS, la plupart ont adopté une approche transversale; Il est donc difficile d'identifier une relation de réciprocité entre ces deux variables (Joseph et al., 2016). En outre, bien que la probabilité que les étudiants développent une IA est nettement plus élevée au début de leurs études (Li et Liang, 2007; Ni et al., 2009), les participants à des études antérieures étaient généralement des étudiants de tous âges, et les étudiants de leur premier semestre étaient moins impliqués. Par conséquent, la présente étude a adopté une analyse décalée pour explorer la relation entre l’IA et le NMC parmi les étudiants au cours du premier semestre de leur vie au collège. Selon des études théoriques et empiriques antérieures, une relation de réciprocité peut exister entre ces deux variables. Par conséquent, nous avons proposé un modèle d’interaction (Figure 2) et testé trois hypothèses concernant la relation entre ces deux variables.
FIGURE 2. Modèle hypothétique.
H1. Des chemins croisés positifs et significatifs existent entre IA et NMC, et NMC est un prédicteur efficace de l’IA parmi les étudiants de première année des universités chinoises.
H2. Les chemins qui se chevauchent entre IA et NMC atteignent un niveau significatif et le niveau de IA affecte donc négativement NMC.
H3. La relation entre IA et NMC peut généralement être appliquée aux hommes et aux femmes.
Matériels et méthodes
Participants
Le nombre initial d'étudiants de première année universitaires disponibles pour la participation était constitué de participants 300, tous inscrits dans deux collèges situés dans deux villes (à savoir Jinan et Heze) dans la province du Shandong en Chine. Les données ont été collectées début septembre pour 2015 (T1), 2 mois plus tard (T2), puis 4 mois plus tard (T3). Lors de la première vague de collecte de données, tous ces étudiants 300 ont terminé la mesure. Cependant, lors des vagues suivantes, 87 de ces étudiants 300 s'est retiré à mi-chemin. Le manque de participation était dû à une absence ou à une maladie (taux de participation: 71.00%). Par conséquent, les étudiants 213 sont restés pour l'analyse finale des données (hommes 104 et femmes 109), avec des âges allant de 17 à 21 (M = Années 18.87, SD = Années 0.76). Afin de déterminer si les données des étudiants qui se sont retirés à mi-chemin (étudiants de 87) diffèrent de celles de ceux qui ne se sont pas retirés (étudiants de 213) en ce qui concerne l'une des variables incluses dans cette étude, une série de t- les tests ont été réalisés à l'aide des données recueillies lors de la première vague de collecte de données; aucune de ces analyses n'était significative. Tous ces participants avaient une expérience Internet et ont été inclus dans cette étude. Les participants utilisaient Internet depuis 5.59 en moyenne (SD = 2.06) au début de leur vie universitaire. Des informations ont été recueillies sur la résidence enregistrée des étudiants: 43.19% vivait dans les grandes villes, 35.68% vivait dans les villes et 21.13% vivait dans les villages. En outre, un fichier a été créé pour chaque élève (ces fichiers comprenaient leurs informations de base, ainsi que leur état de santé physique et mentale) lors de leur entrée au collège. Selon les dossiers, aucun des participants n'a de troubles psychiatriques ou neurologiques. Cette étude a été réalisée conformément aux recommandations des directives éthiques de l'Université du Shandong et à la Déclaration d'Helsinki, avec le consentement écrit de tous les participants. Le protocole a été approuvé par le comité d'éthique de la recherche sur les humains de l'université normale du Shandong.
Instruments
Addiction à Internet
La présente étude a adopté la version révisée de la Chinese Internet Addiction Scale (CIAS-R; Bai et Fan, 2005). Le CIAS-R contient des éléments 19 qui peuvent être divisés en quatre facteurs: utilisation et retrait compulsifs (par exemple, «je me sens déprimé pendant une période sans accès à Internet»), la tolérance (par exemple, «je suis obligé de dépenser de plus en plus temps en ligne pour me sentir satisfait »), problèmes de gestion du temps (par exemple,« mon rendement scolaire ou professionnel subit des effets néfastes du fait de mon utilisation d’Internet »), et problèmes interpersonnels et de santé (par exemple,« je réduis mon temps de sommeil pour avoir plus de temps en ligne »). Chaque réponse a été mesurée sur une échelle de type Likert de type 4 avec des scores allant de 1 (pas du tout vrai) en 4 (toujours vrai). Par conséquent, les scores moyens les plus élevés correspondent aux niveaux les plus élevés de l'analyse d'impact. L’échelle a été appliquée dans des études récentes sur des étudiants chinois et a démontré une fiabilité et une validité élevées (Tian et al., 2015). Dans la présente étude, les coefficients alpha pour l'échelle étaient 0.92 chez T1, 0.95 chez T2 et 0.91 chez T3.
Cognition Maladaptive Liée Au Réseau
Cette étude a adopté l’échelle de la cognition des maladies adaptatives liées au réseau révisée par Liang; l’échelle initiale était l’Échelle de cognition en ligne, développée sur la base du modèle cognitivo-comportemental proposé par Davis (Tian et al., 2015). L'échelle révisée contient des éléments 14 qui peuvent être divisés en trois facteurs: confort Internet (par exemple, «je reçois plus de respect en ligne que dans la« vie réelle »») », contrôle insuffisant des impulsions (par exemple,« lorsque je suis sur Internet, ressentez une sorte de «précipitation» ou d’excitation émotionnelle ») et de distraction (par exemple,« utiliser Internet est un moyen d’oublier ce que je dois faire mais que je ne veux vraiment pas faire »). Les participants ont évalué la véracité de chaque énoncé sur une échelle de type Likert de type 5, avec des scores allant de 1 (pas du tout vrai) en 5 (toujours vrai). Par conséquent, les scores moyens les plus élevés correspondent aux niveaux les plus élevés de NMC en ce qui concerne l'utilisation d'Internet. L’échelle a été appliquée lors d’études antérieures sur des étudiants chinois (Tian et al., 2015, 2017). Dans la présente étude, les coefficients alpha pour l'échelle étaient 0.87 chez T1, 0.90 chez T2 et 0.90 chez T3.
Analyses statistiques
Dans cette étude, nous avons utilisé un panel entièrement décalé pour examiner les relations unidirectionnelles et bidirectionnelles entre IA et NMC chez les étudiants de première année d'université chinois (Van Lier et al., 2012). Le modèle général consistait en mesures de IA et NMC à T1, T2 et T3. Nous avons proposé et testé quatre modèles représentant les mécanismes possibles entre les deux variables. Tout d'abord, nous avons proposé un «modèle de stabilité» (modèle 1, Figure 3) qui ne comprenait que des effets de stabilité en temps croisé. Deuxièmement, un modèle cognitivo-comportemental (modèle 2, Figure 3) a été proposé pour examiner si NMC pouvait à un moment donné prévoir l'AI au moment suivant. Troisièmement, nous avons proposé un «modèle comportemental-cognitif» (modèle 3, Figure 3) pour examiner si une IA à un moment donné pouvait prédire NMC au moment suivant. Enfin, nous avons proposé un «modèle de causalité réciproque» (modèle 4, Figure 3) qui a exploré l’influence réciproque entre IA et NMC. En outre, une analyse multigroupe retardée de plusieurs groupes fondée sur le sexe a été menée pour déterminer si la relation entre les deux variables clés différait entre les hommes et les femmes.
FIGURE 3. Résultats de l'analyse en retard. Les lignes à simple flèche représentent les coefficients du chemin et les lignes à double flèche représentent les covariances. Les lignes pointillées indiquent les coefficients non significatifs et les lignes pleines les coefficients significatifs. ***indiquer que le coefficient est significatif au niveau 0.001, **indiquer que le coefficient est significatif au niveau 0.01, et *indiquer que le coefficient est significatif au niveau 0.05.
La modélisation par équation structurelle avec des variables latentes a été utilisée pour tester le modèle hypothétique dans cette étude. Conformément à la recommandation du Holbert et Stephenson (2002), la qualité de l'ajustement du modèle a été évaluée à l'aide de divers indices. Le2 L'estimation avec degrés de liberté reste le moyen le plus couramment utilisé pour effectuer des comparaisons entre différents modèles. Le rapport entre2 et les degrés de liberté ne doivent pas dépasser 5 pour les modèles bien ajustés. De plus, nous avons présenté l’indice d’ajustement comparatif (CFI) ainsi que l’indice de Tucker-Lewis (TLI) et l’erreur quadratique moyenne d’approximation (RMSEA). En général, les valeurs CFI et TLI de 0.95 ou supérieures reflètent un bon ajustement et les valeurs RMSEA inférieures à 0.06 indiquent un excellent ajustement, tandis que les valeurs entre 0.06 et 0.08 indiquent un bon ajustement (Yuan et al., 2014). De plus, le2 test de différence (Δχ2) a été utilisé pour comparer l'ajustement des modèles imbriqués. Un Δχ non significatif2 Le test indique que les deux modèles fournissent un ajustement égal aux données, alors qu’un Δχ2 suggère de conserver le modèle le moins contraint (Tian et al., 2017).
Résultats
Analyse descriptive
Les moyennes et les écarts types des variables clés de cette étude sont présentés dans le tableau 1. ANOVA à mesures répétées a été réalisée pour explorer les influences du genre et du temps de mesure sur l'analyse d'impact et la CNS des participants (le «genre» est une variable inter-sujets et le «temps de mesure» est une variable intra-sujets). Les résultats n'ont révélé aucune différence significative entre les sexes en termes de deux variables dépendantes (F = 0.10, p = 0.749; F = 0.02, p = 0.822). Au fil du temps, le niveau d’IA a considérablement augmenté de T1 à T3 chez les étudiants de première année (1F = 28.71, p <0.001). Les résultats d'un post hoc L’essai a montré que le niveau d’IA mesuré chez T3 était significativement plus élevé que celui de T2 (p <0.01) et T1 (p <0.001), et que le niveau d'IA mesuré à T2 était significativement plus élevé que celui à T1 (p <0.001). De plus, des différences marginales significatives existaient dans la NMC lorsqu'elles étaient mesurées à des moments différentsF = 2.93, p = 0.055). Les résultats de la post hoc L’essai a révélé que le niveau d’IA mesuré à T3 était significativement supérieur à celui de T1 (p <0.05), et que des différences marginales significatives existaient dans la NMC lorsque mesurées à T1 et T2 (p = 0.065). Cependant, aucune différence significative n’existait dans NMC lorsqu’elle était mesurée à T2 et à T3 (p = 0.846). L’interaction entre le sexe et le temps de mesure dans les deux variables n’a pas atteint des niveaux significatifs (F = 0.38, p = 0.682; F = 0.24, p = 0.791).
TABLE 1. Statistiques descriptives de l'IA et du NMC (n = 213).
Comme indiqué dans le tableau 2, les corrélations bivariées entre IA et NMC à T1, T2 et T3, ainsi que toutes les corrélations à décalage croisé entre les deux variables, étaient significatives et positives, suggérant une relation positive entre IA et NMC.
TABLE 2. Corrélations entre IA et NMC (n = 213).
Relations transversales entre IA et NMC
Une série de modèles à retardement transversal a été spécifiée pour examiner les relations réciproques entre IA et NMC. Tout d'abord, un modèle de base (modèle 1, Figure 3) a été spécifié; dans ce modèle, les coefficients de stabilité pour IA et NMC ont été estimés, mais les effets de retard croisé entre les deux variables n'ont pas été estimés. L’ajustement du modèle était acceptable (tableau 3). Deuxièmement, pour tester le modèle cognitivo-comportemental présenté précédemment, les chemins retardés de NMC à IA ont été ajoutés au modèle de base (modèle 2, 3), ce qui a considérablement amélioré l'ajustement du modèle (tableau 3) Le2 Le test de différence a révélé que le modèle 2 démontrait un meilleur ajustement aux données que le modèle 1 (Δχ2 = 27.05, Δdf = 2, Δχ2/ Δdf = 13.53> 6.63) (Wen et al., 2006). Selon le modèle 2, les coefficients de cheminement standardisés étaient 0.10 (p = 0.309) pour NMC mesuré de T1 à IA mesuré de T2 et 0.36 (p <0.001) pour NMC mesuré à T2 à IA mesuré à T3. Troisièmement, pour examiner si IA à un moment donné pouvait prédire NMC au moment suivant, les chemins croisés de IA à NMC ont été ajoutés au modèle de base (modèle 3, figure 3). Le résultat a montré qu’un bon ajustement du modèle avait été réalisé (Tableau 3) Le2 Le test de différence a démontré que le modèle 3 démontrait un ajustement supérieur des données par rapport au modèle 1 (Δχ2 = 47.20, Δdf = 2, Δχ2/ Δdf = 23.60> 6.63). Selon le modèle 3, les coefficients de chemin normalisés étaient de 0.44 (p <0.001) pour IA mesurée en T1 à NMC mesurée en T2, et 0.50 (p <0.001) pour IA mesurée à T2 à NMC mesurée à T3. Cela indique que l'IA à un moment donné était un prédicteur efficace de NMC au moment suivant, et que l'ajout des deux chemins au modèle pourrait améliorer considérablement l'ajustement du modèle. Quatrièmement, le modèle 4 a été spécifié avec les deux coefficients de stabilité et l'effet de décalage croisé entre IA et NMC (modèle 4, figure 3). Le modèle correspond suffisamment aux données (tableau 3). Cependant, les modèles 3 et 4 sont imbriqués et le2 L’essai de différence a montré que les deux modèles fonctionnaient également bien (Δχ2 = 11.69, Δdf = 2, Δχ2/ Δdf = 5.85 <6.63). Enfin, comme le montre le modèle 4, à l'exception des coefficients de chemin normalisés pour NMC mesurés de T1 à IA mesurés à T2, le reste des chemins croisés entre IA et NMC a atteint un niveau significatif. Par conséquent, nous avons supprimé ce chemin et développé le modèle 5. Le modèle correspondait suffisamment aux données (tableau 3). Par conséquent, le modèle 5 a été retenu comme modèle final pour l'analyse pour les raisons suivantes: (1) Bien que les deux modèles se soient révélés aussi performants (Δχ2 = 0.21, Δdf = 1, Δχ2/ Δdf = 0.21 <6.63), le modèle 5 est plus simple et plus parcimonieux que le modèle 4, et moins de paramètres doivent être sélectionnés pour l'analyse. (2) Le χ2 Le test de différence a montré que le modèle 5 présentait un meilleur ajustement aux données que le modèle 3 (Δχ2 = 11.48, Δdf = 1, Δχ2/ Δdf = 11.48> 6.63), et le coefficient de chemin normalisé était de 0.25 (p <0.001) pour NMC mesuré à T2 à IA mesuré à T3. Autrement dit, il existe une forte possibilité que la NMC mesurée à T2 puisse prédire l'IA mesurée à T3.
TABLE 3. Comparaisons entre différents modèles.
Différences entre les sexes
Afin de déterminer si les relations entre retard mutuel entre IA et NMC différaient entre les hommes et les femmes, nous avons effectué une analyse multigroupe. Nous avons d’abord estimé le modèle adapté aux hommes (Mmâle) et les femmes (Mfemelle) séparément, et les indices d’ajustement étaient adéquats pour les deux sous-échantillons (tableau 4). L'invariance des mesures a ensuite été testée pour déterminer si les deux variables étaient mesurées de manière identique pour les hommes et les femmes. Dans le modèle de mesure totalement non contraint (M1), tous les paramètres pouvaient varier d’un groupe à l’autre. Un ajustement acceptable du modèle a été obtenu et un modèle de mesure entièrement contraint (M2) a ensuite été analysé dans lequel tous les paramètres ont été fixés de manière identique pour les deux groupes; le modèle correspond suffisamment aux données (tableau 4) Le2 L’essai de différence a montré que les deux modèles fonctionnaient également bien (Δχ2 = 6.50, Δdf = 15, p = 0.970).
TABLE 4. Analyse multigroupe entre hommes et femmes.
Afin de répondre aux objectifs de recherche de cette partie de l’étude, nous avons mené une analyse multi-groupe sur plusieurs groupes en fonction du sexe des étudiants. Trois paramètres ont été testés pour déterminer s’ils différaient entre les hommes et les femmes: les coefficients de stabilité, les coefficients de trajet croisés et les covariances entre IA et NMC. Un modèle contraint (M3) a été spécifié dans lequel les trois paramètres étaient identiques dans les deux groupes; ce modèle a obtenu un ajustement satisfaisant (tableau 4) Le2 Le test de différence a montré que ce modèle correspond aux données de manière aussi adéquate que le modèle totalement sans contrainte (Δχ2 = 1.78, Δdf = 7, p = 0.996), indiquant que la configuration générale des chemins était invariante entre les hommes et les femmes.
a lieu
Cette étude a nécessité la réalisation d’une enquête par panel sur les relations réciproques entre IA et NMC parmi les étudiants de première année des universités chinoises. Selon le modèle cognitivo-comportemental (Davis, 2001), une relation réciproque peut exister entre les deux variables et NMC est un prédicteur probable de l’IA. Cependant, cette hypothèse n’a pas été pleinement étayée. Au cours des premiers mois 2 de l’étude, nous n’avons observé aucun effet prédictif du NMC sur l’IA; ce n'est pas conforme aux résultats d'une étude précédente (Tian et al., 2015). En particulier, le NMC ne semble pas être la condition essentielle de la génération d’AI. Ce résultat est probablement lié aux participants à la présente étude. Dans cette étude, les participants à l'enquête étaient des étudiants de première année d'université chinois qui avaient récemment passé un examen d'entrée strict, à savoir le «Gaokao». Pour être admis au collège, les étudiants doivent déployer de grands efforts tout au long de leurs études élémentaires et secondaires; Par conséquent, peu d’entre eux disposent de suffisamment de temps pour utiliser Internet (Li et Liang, 2007). Par conséquent, le niveau de NMC était le plus bas lorsque les participants étaient inscrits au collège, ce qui aurait pu empêcher une influence significative sur la génération de l’IA. Pendant la période des études collégiales, de nombreux autres facteurs peuvent entraîner une dépendance à Internet. Par exemple, l’anonymat et l’absence de signaux non verbaux et démographiques fournis par Internet peuvent être bénéfiques pour le bien-être des étudiants car ils offrent un soulagement de la détresse émotionnelle (Caplan et Turner, 2007) et améliorer la perception du soutien social et de l'estime de soi (Kraut et al., 2002), ainsi que l’élargissement de la gamme des relations interpersonnelles (Cotten, 2008). En outre, les traits de personnalité peuvent jouer un rôle critique dans la génération de l’IA pendant cette période (Mike et al., 2014). Par exemple, les personnes ayant une capacité de contrôle d'effort élevé sont plus efficaces pour supprimer les actes impulsifs lorsqu'elles sont tentées avec Internet, comme mentionné précédemment. En revanche, les personnes ayant un niveau de recherche de sensations élevé étaient plus susceptibles de développer des comportements de dépendance (Zhang et al., 2015). Cependant, le stress scolaire des étudiants de première année chinois a considérablement diminué après leur entrée au collège et ils ont eu plus de temps pour utiliser Internet (Li et Liang, 2007). Ainsi, ils peuvent avoir progressivement développé diverses réponses cognitives à Internet à travers leurs propres expériences ou des expériences impliquant des échanges entre pairs, qui ont par conséquent affecté leur niveau d'analyse d'impact (Wang et al., 2015).
Selon le modèle cognitivo-comportemental (Davis, 2001), L’IA pourrait avoir un impact négatif sur NMC (Caplan, 2010). Cependant, peu d'études empiriques ont été menées pour vérifier cette hypothèse et peu de chercheurs ont proposé des théories pour expliquer ce phénomène. Néanmoins, les preuves empiriques de la présente étude suggèrent que l’IA avait une priorité prédictive dans ses relations avec le NMC, ce qui pourrait affecter à la fois la génération et le développement du NMC. Certains chercheurs ont exploré les comportements de jeu en ligne chez les adolescents chinois. Ils ont rapporté que les comportements de jeu en ligne pourraient affecter de manière significative la cognition des jeux en ligne, car la modification des cognitions relatives des jeux en ligne était un moyen efficace de soulager l'inconfort causé par les incohérences entre le comportement et la pensée (Wang et al., 2015). Par conséquent, nous avons appliqué la théorie de la dissonance cognitive en tant que modèle explicatif pour discuter du mécanisme d’effet prédictif de l’IA sur les CMN (Cooper, 2007). Selon cette théorie, lorsque les personnes prennent conscience d’incohérences, elles ressentent un malaise ou une dissonance, ce qui incite à réduire leur expérience et à en retrouver la cohérence en adaptant leurs attitudes, perceptions ou comportements jusqu’à ce que ces incohérences soient résolues (de Vries et Timmins, 2016). La plupart des gens peuvent peut-être bien ajuster leur comportement pour réduire cette dissonance. Cependant, certaines personnes ont tendance à justifier des comportements qui semblent atténuer la dissonance, en invoquant des raisons telles que «je peux recevoir plus de respect en ligne que« dans la vie réelle »,« je me sens plus en sécurité sur Internet »ou façon d’oublier ce que je dois faire mais que je ne veux pas faire. »Lorsque des personnes se sont convaincues que la dépendance à Internet est raisonnable, la dissonance est réduite et elles se sentent mieux. Cependant, la méthode efficace pour réduire l’inconfort causé par la dissonance a tendance à être répétée lorsqu’une autre violation identique se produit, ce qui est problématique (de Vries et Timmins, 2016). C'est-à-dire que, lorsque les étudiants ont mis en place de tels centres de gestion des réseaux, l'utilisation excessive ultérieure d'Internet ne produit pas le même niveau de gêne, ce qui accroît encore l'utilisation excessive d'Internet. En résumé, la génération et le développement de l'IA résultent d'un cercle vicieux impliquant le NMC et d'un usage excessif d'Internet, et l'IA a la priorité prédictive dans ses relations avec le NMC.
Les résultats n'indiquent aucune différence significative dans les variables clés entre les hommes et les femmes. Ceci est incompatible avec les conclusions de nombreuses autres études (Müller et al., 2014). Cela est peut-être dû au développement rapide des technologies de l'informatique et des réseaux, qui ont considérablement modifié les équipements terminaux de réseau ainsi que leurs applications (Daniel et al., 2012; Mike et Zhong, 2014). Par exemple, dans la société contemporaine, les téléphones mobiles sont progressivement devenus le principal moyen d’accéder à Internet, et une variété d’activités, telles que les achats et la navigation, peuvent être réalisées avec eux. Les hommes et les femmes pratiquent la majorité de ces activités (San, 2015). En outre, les résultats de l'analyse multigroupe retardée montrent que les trajectoires trouvées entre IA et NMC étaient les mêmes pour les hommes et les femmes. En d’autres termes, les processus menant à l’IA peuvent être identiques pour les deux sexes et le modèle final établi dans la présente étude possède donc une applicabilité étendue et une signification pratique pour les étudiants de première année des universités chinoises.
Afin de mieux cerner les mécanismes génératifs et développementaux de l’évaluation des conséquences, nous avons proposé un modèle théorique fondé sur les résultats de cette étude ainsi que sur le modèle cognitivo-comportemental proposé par Davis (Figure 1). 4). Selon ce modèle, la génération et le développement de l'IA résultent d'un cercle vicieux impliquant l'IA et le NMC, et ce cycle est principalement induit par l'inconfort causé par les incohérences entre le comportement et la pensée (de Vries et Timmins, 2016). Étant donné que ce cycle commence principalement par une utilisation excessive d'Internet, il est nécessaire d'atténuer ce cycle vicieux au début du semestre par diverses méthodes. Cependant, en raison du puissant attrait d’Internet pour les jeunes, il est difficile d’éviter les EI parmi les étudiants de première année. Selon la théorie de la dissonance cognitive, lorsque certains d'entre eux deviennent dépendants d'Internet, il existe deux méthodes pour réduire l'inconfort causé par les incohérences entre le comportement et la pensée. La première méthode implique la modification du comportement en ligne et la seconde consiste à ajuster les cognitions afin de développer des justifications pour le comportement provoquant une dépendance. La deuxième méthode est évidemment préférée. Par conséquent, ce modèle peut fournir un soutien théorique aux plans de prévention et de remédiation pour l'EI chez les étudiants chinois au tout début de leurs études.
FIGURE 4. Modèle théorique de la présente étude.
Limites et orientations futures
Plusieurs limites de cette étude méritent d’être signalées. Premièrement, bien que nous ayons proposé un modèle théorique concernant la génération et le développement de l’IA, ce modèle n’a pas été pleinement validé dans la présente étude et nous nous sommes concentrés uniquement sur la relation réciproque entre l’IA et le NMC. À ce titre, des recherches empiriques supplémentaires devraient être menées pour vérifier ce modèle. De plus, ce modèle théorique aurait pu ne pas prendre en compte l'influence de plusieurs autres facteurs tels que les émotions et l'environnement externe. Par conséquent, des modèles théoriques plus sophistiqués devraient être développés pour résoudre ce problème. Deuxièmement, pour explorer la relation réciproque entre IA et NMC, cette étude a mené trois enquêtes de septembre 2015 à janvier 2016. Cependant, la durée des trois enquêtes a peut-être été trop courte pour détecter un changement stable de l'analyse d'impact dans le temps. La tendance du développement peut éventuellement être distincte au cours des périodes ultérieures de la vie universitaire des étudiants. Par conséquent, une exploration plus poussée de cette question au cours des dernières années de leur temps au collège est nécessaire. Enfin, l'utilisation d'un échantillon commode d'étudiants de première année de collège dans cette étude était nécessaire en raison de contraintes financières et de ressources humaines. Cet échantillon ne concernait que des participants à 213, tous issus d'une université de la province du Shandong en Chine. Les différences économiques et culturelles entre les provinces peuvent influer sur les relations entre les deux variables clés concernant les étudiants de première année. Par conséquent, l’étude doit être répétée avec un échantillon plus large impliquant différentes régions de la Chine.
Contributions d'auteur
PH a contribué à la conception initiale de l'idée et à la rédaction du manuscrit. PW et FG ont contribué aux révisions critiques. QL et YT ont aidé à compléter la collecte et l'analyse des données. Tous les auteurs ont approuvé la version finale du manuscrit pour publication.
Financement
Cette recherche a été financée par le programme de recherche scientifique humanités-société de la province du Shandong (J16YG21), le programme scientifique artistique de la province du Shandong (ZX2015021) et le programme de recherche scientifique humanités-société de l'Université Heze (XY16SK09).
Déclaration de conflit d'intérêts
Les auteurs déclarent que la recherche a été menée en l'absence de toute relation commerciale ou financière pouvant être interprétée comme un conflit d'intérêts potentiel.
Bibliographie
Ahmadi, K. et Saghafi, A. (2013). Profil psychosocial de la dépendance à Internet d'adolescents iraniens. Cyberpsychol. Comportement Soc. Réseau. 16, 543 – 548. doi: 10.1089 / cyber.2012.0237
Ayas, T. et Horzum, MB (2013). Relation entre dépression, solitude, estime de soi et dépendance à Internet. Éducation 133, 183-190.
Bai, Y. et Fan, FM (2005). Une étude sur la dépendance des étudiants au niveau d'internet: la révision et l'application d'une mesure. Psychol. Dev. Educ. 4, 99 – 104. doi: 10.3969 / j.issn.1001-4918.2005.04.019
Bessière, K., Kiesler, S., Kraut, R. et Boneva, BS (2008). Effet de l'utilisation d'Internet et des ressources sociales sur les changements de la dépression. Informer. Commun. Soc. 11, 47 – 70. doi: 10.1080 / 13691180701858851
Caplan, S. (2010). Théorie et mesure de l'utilisation problématique d'Internet généralisée: une approche en deux étapes. Comput. Fredonner. Comportement 26, 1089 – 1097. doi: 10.1016 / j.chd.2010.03.012
Caplan, SE et Turner, JS (2007). Amener la théorie à la recherche sur la communication réconfortante assurée par ordinateur. Comput. Fredonner. Comportement 23, 985 – 998. doi: 10.1016 / j.chb.2005.08.003
Chen, SK (2012). Utilisation d'Internet et bien-être psychologique chez les étudiants: une approche de profil latent. Comput. Fredonner. Comportement 28, 2219 – 2226. doi: 10.1016 / j.chb.2012.06.029
Chiou, WB et Wan, CS (2007). Recourir à la dissonance cognitive pour inciter les adolescents à s’échapper de la griffe du jeu en ligne: rôles de la responsabilité personnelle et de la justification des coûts. CyberPsychol. Comportement 10, 663 – 670. doi: 10.1089 / cpb.2007.9972
Chuang, C. (2006). Saisies provoquées par des jeux de rôle en ligne massivement multijoueurs: un problème de santé négligé dans la dépendance à Internet. Cyberpsychol. Comportement 9, 451 – 456. doi: 10.1089 / cpb.2006.9.451
Cooper, J. (2007). Dissonance cognitive: années 50 d'une théorie classique. Londres: Sage.
Cotten, SR (2008). Utilisation de la technologie par les étudiants et impacts sur le bien-être. New Dir. Goujon. Serv. 124, 55 – 70. doi: 10.1002 / ss.295
Daniel, LK, Paul, HD, Mark, DG et Michael, G. (2012). Approches cognitivo-comportementales pour le traitement des patients de la dépendance à Internet chez les enfants et les adolescents. J. Clin. Psychol. 68, 1185 – 1195. doi: 10.1002 / jclp.21918
Davis, RA (2001). Un modèle cognitivo-comportemental d'utilisation d'Internet pathologique. Comput. Fredonner. Comportement 17, 187–195. doi: 10.1016/S0747-5632(00)00041-8
de Vries, J. et Timmins, F. (2016). Erosion des soins dans les hôpitaux: problèmes de la pratique infirmière réflexive et rôle de la dissonance cognitive. Infirmière Educ. Aujourd'hui 38, 5 – 8. doi: 10.1016 / j.nedt.2015.12.007
Festinger, L. (1957). Une théorie de la dissonance cognitive. Evanston, IL: Row, Peterson.
Forrest, CJ, King, DL et Delfabbro, PH (2016). La mesure des cognitions inadaptées sous-jacentes au jeu vidéo problématique chez les adultes. Comput. Fredonner. Comportement 55, 399 – 405. doi: 10.1016 / j.chb.2015.09.017
Forrest, CJ, King, DL et Delfabbro, PH (2017). Les cognitions maladaptives prédisent des changements dans le jeu problématique chez les adultes très engagés: une étude longitudinale du mois 12. Toxicomane. Comportement 65, 125 – 130. doi: 10.1016 / j.addbeh.2016.10.013
Fu, KW, Chan, WS, Wong, PW et Yip, PS (2010). Dépendance à Internet: prévalence, validité discriminante et corrélats chez les adolescents de Hong Kong. Le fr. J. Psychiatrie 196, 486 – 492. doi: 10.1192 / bjp.bp.109.075002
Georgios, F., Konstantinos, S., Ariadni, S., Loannis, G. et Georgios, G. (2014). La relation entre la personnalité, les styles de défense, le trouble de la dépendance à Internet et la psychopathologie chez les étudiants. Cyberpsychol. Comportement Soc. Netw. 17, 6722 – 6676. doi: 10.1089 / cyber.2014.0182
Holbert, RL et Stephenson, MT (2002). Modélisation d'équations structurelles dans les sciences de la communication, 1995-2000. Fredonner. Commun. Res. 28, 531–551. doi: 10.1111/j.1468-2958.2002.tb00822.x
Joseph, CP, Philip, S., Baljinder, S., Sarah, M., Chris, J., Andrew, TG, et al. (2016). Le développement de l'utilisation compulsive d'Internet et de la santé mentale: étude de l'adolescence menée sur quatre ans. Dev. Psychol. 52, 272 – 283. doi: 10.1037 / dev0000070
Kalkan, M. (2012). Productivité des distorsions cognitives interpersonnelles sur l'utilisation problématique d'Internet par les étudiants universitaires. Enfant. Service de la jeunesse. Tour. 34, 1305 – 1308. doi: 10.1016 / j.childyouth.2012.03.003
Kim, EJ, K. Namkoong, T. T. et Kim, SJ (2008). La relation entre la dépendance au jeu en ligne et l'agression, la maîtrise de soi et les traits de personnalité narcissiques. EUR. Psychiatrie 23, 212 – 218. doi: 10.1016 / j.eurpsy.2007.10.010
King, DL et Delfabbro, PH (2014). La psychologie cognitive du trouble du jeu sur Internet. Clin. Psychol. Tour. 34, 298 – 308. doi: 10.1016 / j.cpr.2014.03.006
King, DL et Delfabbro, PH (2016). Psychopathologie cognitive du trouble du jeu sur Internet à l'adolescence. J. Anormal Child Psychol. 44, 1635–1645. doi: 10.1007/s10802-016-0135-y
Kraut, R., Kiesler, S., Boneva, B., Cummings, J., Helgeson, V. et Crawford, A. (2002). Le paradoxe Internet revisité. J. Soc. Problèmes 58, 49 – 74. doi: 10.1111 / 1540-4560.00248
Li, DL, Zhang, W., Wang, YH et Li, DP (2013). Contrôle psychologique maternel et utilisation problématique d'Internet par les adolescents: le rôle médiateur de la cognition inadaptée. Psychol. Sci. 36, 411-416.
Li, H. et Wang, S. (2013). Le rôle de la distorsion cognitive dans la dépendance au jeu en ligne chez les adolescents chinois. Enfant. Service de la jeunesse. Tour. 35, 1468 – 1475. doi: 10.1016 / j.childyouth.2013.05.021
Li, N. et Liang, NJ (2007). Une étude sur les fondements cognitifs du trouble de la dépendance à Internet chez les étudiants de premier cycle. Psychol. Sci. 30, 65 – 68. doi: 10.3969 / j.issn.1671-6981.2007.01.015
Liu, GC, Jen, JY, Chen, CY, Yen, CF, Chen, CS, Lin, WC, et al. (2014). L'activation du cerveau pour l'inhibition de la réponse lors de la distraction de signal de jeu dans le trouble du jeu sur Internet. Kaohsiung J. Med. Sci. 30, 43 – 51. doi: 10.1016 / j.kjms.2013.08.005
Liu, QX, Fang, XY, Deng, LY et Zhang, JT (2012). Communication parent-adolescent, utilisation d'Internet par les parents et normes spécifiques à Internet et utilisation d'Internet pathologique chez les adolescents chinois. Comput. Fredonner. Comportement 28, 1269 – 1275. doi: 10.1016 / j.chb.2012.02.010
Lu, X. et Yeo, KJ (2015). Utilisation d'Internet pathologique chez les étudiants universitaires de Malaisie: facteurs de risque et rôle de la distorsion cognitive. Comput. Fredonner. Comportement 45, 235 – 242. doi: 10.1016 / j.chb.2014.12.021
Mai, Y., Hu, J., Yan, Z., Zhen, S., Wang, S. et Zhang, W. (2012). Structure et fonction des cognitions mésadaptées dans l'utilisation de l'Internet pathologique chez les adolescents chinois. Comput. Fredonner. Comportement 28, 2376 – 2386. doi: 10.1016 / j.chb.2012.07.009
Mike, ZY, He, J., Deborah, MK et Pang, KC (2014). L'influence des comportements de la personnalité et de l'estime de soi sur la dépendance à Internet: une étude sur des étudiants chinois. Cyberpsychol. Comportement Soc. Réseau. 17, 104 – 110. doi: 10.1089 / cyber.2012.0710
Mike, ZY et Zhong, ZJ (2014). Solitude, contacts sociaux et dépendance à Internet: une étude par panel en retard. Comput. Fredonner. Comportement 30, 164 – 170. doi: 10.1016 / j.chb.2013.08.007
Müller, KW, Glaesmer, H., E. Brähler, K. Woelfling et ME, Beutel (2014). Prévalence de la dépendance à Internet dans la population générale: résultats d'une enquête de population allemande. Comportement Informer. Technol. 33, 757 – 766. Doi: 10.1080 / 0144929X.2013.810778
Ni, XL, Yan, H., Chen, SL et Liu, ZG (2009). Facteurs influençant la dépendance à Internet chez un échantillon d'étudiants de première année en Chine. Commun rapide. 12, 327 – 330. doi: 10.1089 / cpb.2008.0321
Peng, W. et Liu, M. (2010). Dépendance aux jeux en ligne: étude préliminaire en Chine. Cyberpsychol. Comportement Soc. Réseau. 13, 329 – 333. doi: 10.1089 / cyber.2009.0082
San, C. (2015). Le CNNIC a publié le trente-cinquième rapport statistique sur le développement d'Internet en Chine. Dis. Educ. Chine 4, 99 – 104. doi: 10.13541 / j.cnki.chinade.2015.02.006
Shaw, M. et Black, DW (2008). Dépendance à Internet: définition, évaluation, épidémiologie et gestion clinique. Drogues du SNC 22, 353–365. doi: 10.2165/00023210-200822050-00001
Shek, DTL, Sun, RCF et Yu, L. (2013). «Dépendance à Internet», dans Les neurosciences au Xe siècle: des bases aux cliniques, éd. DW Pfaff (New York, NY: Springer), 2775 – 2811. Paramètres: 10.1007 / 978-1-4614-1997-6_108
Tian, Y., Bian, YL, Han, PG, Gao, FQ et Wang, P. (2017). Associations entre les facteurs psychosociaux et l’utilisation généralisée d’Internet pathologique chez les étudiants universitaires chinois: une analyse longitudinale décalée. Comput. Fredonner. Comportement 72, 178 – 188. doi: 10.1016 / j.chb.2017.02.048
Tian, Y., Bian, YL, Han, PG, Wang, P. et Gao, FQ (2015). Effet de la timidité sur la dépendance à Internet: effets médiateurs de la tendance à l’immersion et de la cognition mésadaptée liée aux réseaux. Menton. J. Spec. Educ. 12, 83 – 89. doi: 10.3969 / j.issn.1007-3728.2015.12.014
Tokunaga, RS et Rains, SA (2010). Une évaluation de deux caractérisations des relations entre l'utilisation problématique d'Internet, le temps passé à utiliser Internet et les problèmes psychosociaux. Fredonner. Commun. Res. 36, 512 – 545. doi: 10.1111 / J.1468-2958.2010.01386.X
Tsai, HF, Cheng, SH, Yeh, TL, Shih, CC, Chen, KC, Yang, YC, et al. (2009). Le facteur de risque de la dépendance à Internet - une enquête sur les étudiants de première année à l'université. Psychiatrie Res. 167, 294 – 299. doi: 10.1016 / j.psychres.2008.01.015
Van den Eijnden, RJJM, Spijkerman, R., Vermulst, AA, Van Rooij, TJ et Engles, RCME (2010). Utilisation compulsive d'Internet chez les adolescents: relations bidirectionnelles parent-enfant. J. anormal. Child Psychol. 38, 77–89. doi: 10.1007/s10802-009-9347-8
Van Lier, PA, Vitaro, F., Barker, ED, Brendgen, M., Tremblay, RE et Boivin, M. (2012). La victimisation par les pairs, les faibles résultats scolaires et le lien entre les problèmes d'extériorisation et d'intériorisation de l'enfance. Enfant Dev. 83, 1775 – 1788. Doi: 10.1111 / j.1467-8624.2012.01802.x
Wang, T., Wei, H., Zhou, ZK, Xiong, J., Li, X., Yang, X., et al. (2015). Relations entre la proportion de joueurs pairs, la cognition inadaptée et la dépendance aux jeux en ligne. Menton. J. Clin. Psychol. 23, 487 – 493. doi: 10.16128 / j.cnki.1005-3611.2015.03.023
Wen, ZL, Chang, L. et Hou, JT (2006). Modérateur et médiateur modéré. Acta Psychol. Péché. 38, 448-452.
Woodhouse, SS, Dykas, MJ et Jude, C. (2012). Solitude et relations avec les pairs à l’adolescence. Rev. Soc. Dev. 21, 273 – 293. Doi: 10.1111 / j.1467-9507.2011.00611.x
Yang, LS, Sun, L., Zhang, ZH, Sun, YH, Wu, HY et Ye, DQ (2014). Dépendance à Internet, dépression chez les adolescents et rôle médiateur d'événements de la vie: résultats d'un échantillon d'adolescents chinois. Int. J. Psychol. 49, 342 – 347. doi: 10.1002 / ijop.12063
Young, KS et de Abreu, CN (2011). Dépendance à Internet: Manuel et guide d'évaluation et de traitement. Hoboken, NJ: Wiley.
Young, KS, M. Pistner, J. O'Mara et J. Buchanan (1999). Cyber-troubles: la préoccupation en matière de santé mentale pour le nouveau millénaire. Cyberpsychol. Comportement 2, 475 – 479. doi: 10.1089 / cpb.1999.2.475
Yuan, YC, Shao, AH, Liang, LC et Bian, YF (2014). Une analyse décalée de la relation entre insociabilité, rejet par les pairs et victimisation par les pairs. Psychol. Dev. Educ. 30, 16-23.
Zhang, HY, Li, DP et Li, X. (2015). Tempérament et utilisation d'Internet problématique chez les adolescents: modèle de médiation modéré des styles de cognition et d'adaptation parentale mal adaptés. J. Enfant Family Stud. 24, 1886–1897. doi: 10.1007/s10826-014-9990-8
Zhang, JT, Chen, C., Wang, LJ, Liu, L., Liu, FE, Zhao, HC, et al. (2014). La relation entre le temps passé en ligne et la dépendance à Internet chez les étudiants de première année d'université chinois: un modèle de modération à médiation. Acta Psychol. Péché. 30, 65 – 68. doi: 10.3969 / j.issn.1671-6981.2007.01.015
Zhou, Z., Yuan, G. et Yao, J. (2012). Biais cognitifs vis-à-vis des images liées au jeu sur Internet et déficits des cadres chez les personnes ayant une dépendance au jeu sur Internet. PLoS ONE 7: e48961. doi: 10.1371 / journal.pone.0048961
Mots-clés: dépendance à Internet, cognition mésadaptée liée au réseau, étudiants de première année d'université, enquête par panel sur le retard, chinois
Citation: Han P, Wang P, Lin Q, Tian Y, Gao F et Chen Y (2017) Relation réciproque entre la dépendance à Internet et la cognition maladaptive liée au réseau chez les étudiants de première année des collèges chinois: analyse transversale décalée. De face. Psychol. 8: 1047. doi: 10.3389 / fpsyg.2017.01047
Reçu: 13 March 2017; Accepté: 08 June 2017;
Publié: 22 June 2017.
Édité par:
Qinghua il, Université du sud-ouest, Chine
Commenté par:
Guangheng Dong, Université normale du Zhejiang, Chine
Jennifer Kennel, Universitätsklinikum des Saarlandes, Allemagne
Droits d'auteur © 2017 Han, Wang, Lin, Tian, Gao et Chen. Ceci est un article en accès libre distribué selon les termes de la Licence d'attribution Creative Commons (CC BY). L'utilisation, la distribution ou la reproduction sur d'autres forums est autorisée, à condition que l'auteur original ou le donneur de licence soit crédité et que la publication originale de ce journal soit citée conformément à la pratique académique reconnue. Aucune utilisation, distribution ou reproduction n’est autorisée si elle n’est pas conforme à ces conditions.
;