Développement d'une échelle de prédiction de la dépendance sur smartphone coréenne pour les jeunes (2012)

PLoS One. 2014 peut 21; 9 (5): e97920. doi: 10.1371 / journal.pone.0097920.

Kim D1, Lee Y1, Lee J1, Nam JK1, Chung Y2.

Information sur l'auteur

  • 1Département de l'éducation, Université nationale de Séoul, Séoul, Corée du Sud.
  • 2Département de l'éducation, Université nationale coréenne de l'éducation, CheongJu, Corée du Sud.

Abstract

Cette étude a développé une échelle de propension à la dépendance au smartphone (SAPS) basée sur les échelles existantes de dépendance à Internet et aux téléphones cellulaires. Pour le développement de cette échelle, 29 items (1.5 fois le nombre final d'items) ont été initialement sélectionnés comme items préliminaires, sur la base des études précédentes sur la dépendance Internet / téléphone ainsi que sur l'expérience clinique des experts impliqués. L'échelle préliminaire a été administrée à un échantillon représentatif à l'échelle nationale de 795 élèves des écoles élémentaires, intermédiaires et secondaires de la Corée du Sud. Ensuite, les 15 derniers éléments ont été sélectionnés en fonction des résultats des tests de fiabilité. L'échelle finale se composait de quatre sous-domaines: (1) perturbation des fonctions adaptatives, (2) orientation de la vie virtuelle, (3) retrait et (4) tolérance. L'échelle finale indiquait une fiabilité élevée avec un α de Cronbach de 880. Le soutien de la validité des critères de l'échelle a été démontré par sa relation avec l'échelle de dépendance à Internet, KS-II (r = 49). Pour l'analyse de la validité de construit, nous avons testé le modèle d'équation structurelle. Les résultats ont montré que la structure à quatre facteurs était valide (NFI = .943, TLI = .902, CFI = .902, RMSEA = .034). La dépendance aux smartphones est de plus en plus mise en avant en tant que nouvelle forme de dépendance avec la dépendance à Internet. Le SAPS semble être une échelle de diagnostic fiable et valide pour le dépistage des adolescents susceptibles de présenter un risque de dépendance aux smartphones. D'autres implications et limites sont discutées.

Figures

Citation: Kim D., Lee Y, Lee J, Nam JK et Chung Y (2014) Développement de l’échelle de prédiction de la toxicomanie sur smartphone coréen pour les jeunes. PLoS ONE 9 (5): e97920. doi: 10.1371 / journal.pone.0097920

Rédacteur en chef: Amanda Bruce, Université de Missouri-Kansas City, États-Unis d'Amérique

reçu: Décembre 19, 2013; Accepté: April 16, 2014; Publié le: 21 mai 2014

Droits d'auteur: © 2014 Kim et al. Ceci est un article en accès libre distribué selon les termes de la Licence Creative Commons Attribution, qui autorise une utilisation, une distribution et une reproduction sans restriction sur tout support, à condition que l'auteur et la source d'origine soient crédités.

Financement: Les auteurs n'ont aucun soutien ou financement à signaler.

Intérêts concurrents: Les auteurs ont déclaré qu'ils n'existaient pas de conflit d'intérêts.

Introduction

La propagation des ordinateurs personnels dans les années 1990 a donné naissance à une révolution numérique. Les ordinateurs de bureau personnels ont rapidement évolué en PMP, tablettes PC et smartphones - des appareils qui sont de plus en plus courants dans la vie des gens. En particulier, le taux de distribution des smartphones est en hausse dans le monde depuis 2000 . Cette utilisation généralisée des smartphones a été baptisée «Smart Revolution» et a apporté des changements spectaculaires dans la vie quotidienne des gens. Bien que l'utilisation du smartphone ait rendu la vie plus pratique pour de nombreuses personnes, elle a également entraîné des effets néfastes dans les domaines du bien-être psychologique, des relations interpersonnelles et de la santé physique. Par exemple, en raison de l'accès facile à l'environnement en ligne via les smartphones, les conséquences négatives de effet de désinhibition en ligne caractérisé par une diminution des inhibitions comportementales sont de plus en plus répandus, en particulier dans les formes de cyber-violence.

Les adolescents d'aujourd'hui sont très réceptifs aux nouvelles formes de médias comme les smartphones comme ils sont la première génération à avoir grandi entourés de diverses formes de médias de haute technologie . Cela pourrait signifier que les jeunes sont plus sensibles aux effets néfastes des médias intelligents que les groupes plus âgés. En Corée du Sud, les jeunes accro au smartphone ont atteint 11.4% de la population, les 2.2% ayant le plus de difficultés rencontrant des difficultés à vivre leur vie quotidienne en raison de leur dépendance . Avant la propagation des smartphones, les téléphones portables occupaient une grande partie de la vie des adolescents au point que certains déclaraient éprouver des niveaux élevés d'anxiété lorsque leur téléphone n'était pas toujours allumé. . La dépendance au téléphone cellulaire et l'âge semblent inversement proportionnels, les jeunes utilisateurs utilisant leur téléphone plus fréquemment et deux fois plus susceptibles que les adultes d'admettre qu'ils sont «accros au téléphone cellulaire» . Pour les adolescents, la communication par téléphone est un moyen important de maintenir leurs relations sociales . La dépendance aux smartphones devenant un problème majeur chez les jeunes, il semble urgent de développer une échelle permettant d'estimer les niveaux et les conditions de dépendance aux smartphones chez les adolescents afin de les protéger des effets indésirables de la dépendance.

La distribution des smartphones étant un phénomène relativement récent, les études qui ont défini les symptômes uniques de la dépendance aux smartphones sont rares. Le concept le plus proche de la dépendance au smartphone peut être la dépendance au téléphone cellulaire, qui est considérée comme un type de dépendance comportementale caractérisée par des problèmes de contrôle des impulsions. Les symptômes rapportés de la dépendance au téléphone cellulaire comprennent le sevrage, la tolérance, la perturbation des fonctions adaptatives, la contrainte et l’immersion pathologique et abstinence, manque de contrôle et problèmes découlant de l'utilisation, tolérance et ingérence dans d'autres activités . Échelles de dépendance au téléphone cellulaire existantes ont été développés sur la base de Young test de dépendance à Internet (IAT) de Goldberg Critères de diagnostic de la dépendance à Internet.

Cependant, les smartphones se distinguent des téléphones cellulaires de quatre manières principales. Premièrement, les utilisateurs de smartphones sont plus dynamiquement associés à l'appareil que les utilisateurs de téléphones cellulaires ordinaires. Les utilisateurs de smartphones interagissent activement avec l'appareil et le contenu (applications) simultanément, et peuvent jouer un rôle de producteur en créant des applications personnalisées. Étant donné que les applications permettent aux utilisateurs de smartphones de donner un feedback immédiat et mutuel, les utilisateurs de smartphones ont tendance à être actifs, participatifs, relationnels, compétents et productifs. . Par conséquent, il a été démontré que l'utilisation du smartphone était directement proportionnelle à l'utilisation de l'application . Deuxièmement, les smartphones accordent une plus grande importance aux fonctionnalités sensorielles qui stimulent le côté expressif des utilisateurs . Le système d'interface utilisateur distinctif du smartphone, qui comprend le fonctionnement de l'écran tactile, les dispositions du clavier, les icônes, la conception sensible et d'autres composants, permet à son utilisateur de révéler son individualité . L'importance de l'aspect expressif des applications pour smartphone peut également être perçue dans le fait que les utilisateurs préfèrent les applications permettant à plusieurs utilisateurs de s'amuser ensemble et d'être socialement expressifs par rapport à des applications qui ne peuvent être appréciées que de manière autonome. . Troisièmement, les smartphones fournissent une convergence de services tels que l'appareil photo, MP3, GPS, navigation sur le Web, appels, courrier électronique, jeux et services de réseaux sociaux (SNS). sur un appareil portable. Aussi appelé «Internet portable», la portabilité des smartphones permet des services en temps réel et personnalisés n'importe où, ce qui ne pourrait pas être réalisé sur un ordinateur de bureau classique. De plus, le «Service Push» du smartphone informe les utilisateurs avec des mises à jour pertinentes, telles que les derniers e-mails ou les réponses Facebook, avant même que l'utilisateur ne les demande . Ces services personnalisés fournis par les smartphones peuvent être utiles, mais peuvent également inciter les utilisateurs à abuser de leurs smartphones. . Enfin, les personnes de différents groupes d'âge présentent des modèles d'utilisation des smartphones différents. Les adolescents utilisent principalement leurs smartphones pour l'appareil photo, le MP3 et d'autres fonctions de divertissement; les personnes dans la vingtaine utilisent principalement le SNS; et les personnes dans la trentaine et la quarantaine gèrent généralement leur emploi du temps, leur liste de contacts, leur messagerie électronique et d'autres fonctions liées à l'entreprise .

Malgré les caractéristiques distinctives des smartphones mentionnées ci-dessus, bon nombre des échelles existantes de dépendance aux smartphones étaient identiques à l'échelle de dépendance aux téléphones cellulaires, le mot «téléphone cellulaire» étant simplement remplacé par «smartphone». L'un des plus récents, Casey L'échelle de dépendance aux smartphones de Smartphone avait également extrait des éléments d'échelles qui mesurent d'autres types de dépendance aux médias tels que l'échelle d'utilisation des problèmes de téléphonie mobile. , Test de dépendance à Internet et échelle de dépendance à la télévision . En outre, étant donné que la dépendance au téléphone cellulaire était également considérée comme un type de dépendance au comportement en raison de problèmes de contrôle des impulsions, elle était généralement assortie d’éléments de la dépendance à Internet.

Par conséquent, la présente étude a développé l’échelle coréenne de prédiction de la dépendance sur smartphone (SAPS) pour les jeunes en ajoutant des éléments reflétant les caractéristiques uniques des smartphones sur l’échelle de prédiction de la toxicomanie sur Internet (IAPS) pour les jeunes. . L’IAPS est une échelle d’items 20 qui a été utilisée pour vérifier le niveau de dépendance à Internet chez les jeunes de la Corée du Sud depuis 2007. Le SAPS mis au point dans le cadre de la présente étude sera un outil utile pour examiner le phénomène de la surutilisation des smartphones chez les jeunes et contribuera à terme à la prévention de la dépendance aux smartphones.

Method

Participants

Cette étude est une analyse de données secondaires sur les données de l'enquête nationale du projet de l'Agence nationale d'information de Corée sur la dépendance aux smartphones mené en 2012 . Les chercheurs de cette étude avaient participé au projet en tant que chercheur principal et chercheurs adjoints. Ce projet ayant été mené au niveau national, les données résultantes provenaient d'un échantillon à grande échelle, représentatif en termes de région, d'âge et de sexe. L’enquête distribuée indiquait explicitement l’objet du projet et informait les participants qu’ils consentaient à participer en remplissant l’enquête. En proportion de la répartition réelle de la population en Corée, les élèves du primaire, du secondaire et du secondaire 795 (garçons 461 et filles 324) avaient répondu à l'enquête. Les agences régionales ont été sélectionnées au hasard dans chacune des quatre zones: zone métropolitaine de Séoul, région de Chungcheong / Gangwon, zone de Honam (y compris Jeju) et région de Yeongnam. Beaucoup (44.7%) étaient des collégiens, suivis des lycéens (37.7%) et des lycéens (17.6%).

Les mesures

Questionnaire démographique.

Un questionnaire démographique qui comprenait des éléments relatifs aux informations personnelles de l'élève, à l'étendue et à la nature de l'utilisation du smartphone et au rendement scolaire a été inclus dans le dossier d'enquête.

Éléments d'échelle de prédiction de dépendance de smartphone.

Sur la base des échelles de diagnostic et des résultats de recherche précédemment développés, ainsi que des expériences cliniques de nombreux spécialistes, des éléments représentant théoriquement et empiriquement les caractéristiques distinctes de la dépendance au smartphone ont été sélectionnés pour en faire partie. L'échelle préliminaire était composée de vingt-neuf éléments et chaque élément était noté sur une échelle de Likert à points 4 (1 = fortement en désaccord, 2 = en désaccord, 3 = en accord, 4 = en fort accord). Les vingt-neuf éléments préliminaires étaient structurés autour de quatre sous-domaines: perturbation des fonctions adaptatives (éléments 9), retrait (éléments 7), tolérance (éléments 6) et orientation de la vie virtuelle (éléments 7).

Échelle des problèmes de santé mentale.

Pour vérifier la validité du SAPS, une mesure évaluant les problèmes de santé mentale liés à la dépendance au smartphone a été développée. L'anxiété, la dépression, l'impulsivité et l'agressivité sont des problèmes psychologiques pouvant accompagner la dépendance au smartphone. . Ainsi, le test de personnalité NEO Youth les éléments liés à ces problèmes (facteurs) ont été modifiés et inclus dans l'échelle actuelle. L'échelle comprend 32 éléments, 8 éléments pour chaque facteur. Les items sont notés sur une échelle de 4 points (1 = pas du tout d'accord, 2 = pas d'accord, 3 = d'accord, 4 = tout à fait d'accord). La cohérence inter-items de l'échelle est élevée avec un alpha de Cronbach de .944 globalement et .865, .870, .820, .878 pour chaque facteur.

Échelle de prédiction de la dépendance à Internet pour les jeunes (KS-II).

Pour comparer la dépendance au smartphone et la dépendance à Internet, nous avons utilisé l’article 15 KS-II. KS-II développé par la National Information Society Agency est passé par le processus de normalisation en Corée grâce à une enquête de terrain à l'échelle nationale. KS-II est structuré autour des quatre facteurs: (1) perturbation des fonctions adaptatives, (2) retrait, (3) tolérance et (4) orientation de la vie virtuelle. Les items sont notés sur une échelle de 4 points (1 = pas du tout d'accord, 2 = pas d'accord, 3 = d'accord, 4 = tout à fait d'accord). La cohérence inter-items de l'échelle est élevée avec un alpha de Cronbach de 87.

Procédure

Tout d'abord, après avoir examiné les échelles correspondantes précédemment élaborées et examiné leurs bases théoriques, les spécialistes ont sélectionné des éléments pour un questionnaire préliminaire. Ce pool initial avait environ deux fois plus d'articles que la balance finale. L'échelle préliminaire a été administrée aux étudiants et les données ont été collectées. Ensuite, les éléments finaux ont été sélectionnés en fonction des résultats des tests de fiabilité pour chaque sous-échelle. Enfin, le modèle de validité de construction pour chaque sous-domaine a été validé sur AMOS. Une description plus détaillée de chaque étape de la procédure est la suivante.

Échelle préliminaire de prédiction de la dépendance par smartphone pour les jeunes.

Un ensemble d'éléments préliminaires pour l'échelle SAPS (Smartphone Addiction Proneness Scale) a été mis au point pour les jeunes, sur la base des conclusions de la littérature précédente sur la dépendance à Internet, la dépendance à la téléphonie mobile et les médias numériques. Le smartphone étant un appareil mobile permettant l'utilisation d'Internet, les échelles de dépendance Internet existantes ont été utilisées à titre de référence. Les caractéristiques de la dépendance aux médias numériques suggérées par Young et Greenfield ont également été reflétés dans les articles développés. Considérant que les smartphones peuvent être considérés comme des versions avancées des téléphones mobiles classiques, les balances pour téléphones mobiles existantes ont également été examinés. Par conséquent, les sous-domaines de SAPS en sont venus à inclure la perturbation des fonctions adaptatives, le retrait, la tolérance et l'orientation de la vie virtuelle. Enfin, des experts (spécialistes de l’éducation, psychiatres) ont créé des éléments préliminaires de 29 qui reflètent ces quatre sous-domaines de la dépendance aux smartphones.

Administration de la balance.

Le SAPS a été distribué dans des écoles élémentaires, des collèges et des lycées choisis au hasard, de sorte que les participants puissent être sélectionnés proportionnellement à la répartition réelle de la population en Corée.

Sélection d'articles par analyse de fiabilité.

Des analyses de fiabilité sur les 29 éléments préliminaires ont été menées par sous-domaine. Un total de 15 éléments qui semblent adéquats ont été sélectionnés. Enfin, l'alpha de Cronbach pour l'échelle finale avec 15 items a été calculé.

Construire un modèle de validité pour chaque sous-domaine.

Pour confirmer la validité de construction de SAPS, le modèle de validité de construction de chaque sous-domaine a été validé sur AMOS.

Résultats

Sélection des éléments finaux par des analyses de fiabilité sur des sous-domaines

Des 29 éléments originaux, les éléments qui semblaient inappropriés pour chaque sous-domaine ont été supprimés ou révisés en fonction des résultats des analyses de fiabilité. Pour vérifier la fiabilité des items dans chaque sous-domaine, les alphas de Cronbach ont été examinés. Les éléments qui réduisaient la fiabilité globale du sous-domaine en cas de suppression ainsi que les éléments les plus fiables ont été sélectionnés pour l'échelle finale. De plus, pour détecter les répondants imprudents ou incohérents, des items codés inversement avec une grande fiabilité ont été inclus. Tableau 1 ci-dessous affiche les résultats de fiabilité de chaque sous-domaine, et Tableau 2 affiche les derniers éléments 15 sélectionnés.

thumbnail

Tableau 1. Sélection des articles finaux par analyse de fiabilité sur des sous-échelles.

doi: 10.1371 / journal.pone.0097920.t001

thumbnail

Tableau 2. Articles finaux.

doi: 10.1371 / journal.pone.0097920.t002

Fiabilité

La fiabilité de SAPS a été vérifiée avec un alpha de Cronbach de 0.88.

Validité

Analyse de validité des critères.

Pour confirmer la validité des critères de SAPS, les scores de SAPS et de l'échelle des problèmes de santé mentale ont été comparés. Tableau 3 montre les résultats de corrélation de Pearson des deux échelles. En conséquence, le coefficient de corrélation est ressorti à 0.43. De plus, les corrélations entre les sous-échelles de SAPS et de l'échelle des problèmes de santé mentale se situaient toutes dans la plage 0.49 ~ 0.67, confirmant un certain degré de corrélation.

thumbnail

Tableau 3. Analyse de corrélation entre le SAPS et l'échelle des problèmes de santé mentale.

doi: 10.1371 / journal.pone.0097920.t003

La corrélation entre le SAPS et le KS-II a été analysée; Tableau 4 montre les résultats de l'analyse de corrélation de Pearson. Le coefficient de corrélation de 0.49 a montré que si le score au SAPS était élevé, le score KS-II était probablement également élevé. De plus, les corrélations entre les sous-échelles du KS-II et du SAPS se situaient entre 0.12 et 0.51, montrant à nouveau un certain degré de corrélation.

thumbnail

Tableau 4. Analyses de corrélation entre SAPS et KS-II.

doi: 10.1371 / journal.pone.0097920.t004

Analyse de validité de construction.

Une analyse factorielle confirmatoire a été réalisée avec AMOS 7.0 pour confirmer la structure factorielle de SAPS. Pour cela, le modèle de structure factorielle a été défini comme suit (Figure 1).

thumbnail

Figure 1. La structure factorielle de SAPS.

Le modèle structurel des quatre sous-domaines de la dépendance au smartphone (perturbation des fonctions adaptatives, orientation de la vie virtuelle, retrait et tolérance) et leurs éléments pertinents semblaient valables.

doi: 10.1371 / journal.pone.0097920.g001

Premièrement, les indices d'ajustement du modèle NFI, TLI, CFI et RMSEA étaient respectivement .943, .902, .962 et .034, ce qui montre que le modèle pertinent était bien adapté aux données. Par conséquent, le modèle structurel des quatre sous-domaines de la dépendance au smartphone (perturbation des fonctions adaptatives, orientation de la vie virtuelle, retrait et tolérance) et leurs éléments pertinents semblaient valables.

En outre, afin de déterminer dans quelle mesure chaque élément explique les facteurs liés, le coefficient de régression de chaque variable observable et son degré de signification statistique ont été examinés. Dans toutes les variables observables, à l'exception de «l'orientation de la vie virtuelle», les coefficients standardisés étaient supérieurs à .5 en moyenne, ce qui était statistiquement significatif (p<001). Tableau 5 affiche ces statistiques.

thumbnail

Tableau 5. Coefficients de régression des variables observables concernant chaque facteur.

doi: 10.1371 / journal.pone.0097920.t005

a lieu

Dans le cadre du projet de l'Agence nationale d'information de Corée sur la dépendance des jeunes aux smartphones, mené en 2012 , cette étude visait à poser les bases des efforts de prévention / intervention pour la dépendance au smartphone chez les jeunes. Plus précisément, l’étude a mis au point une brève échelle de prédiction de la dépendance aux smartphones 15 pouvant être utilisée dans les efforts de collecte de données à l’échelle nationale. Les développeurs ont prêté une attention particulière à la simplicité des éléments de la balance et à la facilité d'utilisation dans l'administration de la balance afin de faciliter l'utilisation réelle.

L'alpha de Cronbach du SAPS final était de 880, ce qui démontre que l'échelle est fiable. Il a également été rapporté que les échelles existantes de dépendance à Internet ou de smartphone sont fiables avec les alphas de Cronbach ci-dessus .7. Cependant, il peut être imprudent de se fier à leurs valeurs de fiabilité parce que leur processus de collecte de données n'était pas normalisé ou que la taille de leur échantillon était petite. Par exemple, Beard et Wolf tenté d'améliorer Young Critères de diagnostic de la dépendance à Internet, mais leur processus de développement de l'échelle n'a pas été normalisé. Widyanto et McMurren , d'autre part, a suivi une procédure standardisée pour le développement de la balance, mais n'a pas réussi à collecter suffisamment de données (n = 86). De plus, ils ont collecté des données en ligne, ce qui pourrait signifier que leur collecte de données était biaisée. Des limitations similaires existent également parmi les échelles de dépendance au smartphone existantes. Kwon et al. avait développé une échelle basée sur les éléments de l'échelle K et les caractéristiques des appareils intelligents, et avait indiqué que l'échelle avait un alpha de Cronbach de 91. Cependant, il faut noter que leur collecte de données a eu lieu dans deux écoles situées dans une région particulière de Corée, soulevant ainsi des questions sur la valeur de fiabilité de leur échelle. Ainsi, le SAPS de cette étude peut être considéré comme plus fiable par rapport aux échelles existantes car il a été développé sur la base des données collectées auprès de 795 étudiants à travers la Corée proportionnellement à la répartition réelle de la population du pays.

SAPS semble valablement structuré autour de quatre sous-domaines (fonctions adaptatives, retrait, tolérance et orientation de la vie virtuelle) de la dépendance au smartphone. Afin de décider des sous-domaines de l'échelle, des recherches antérieures avec une attention particulière aux études sur les échelles de dépendance à Internet et les critères de diagnostic pour d'autres dépendances comportementales ont été examinées. Les facteurs qui apparaissent couramment parmi ces études ainsi que les facteurs reflétant les caractéristiques des smartphones ont été inclus. Une analyse factorielle confirmatoire a été menée à l'aide d'AMOS 7.0 pour vérifier la validité de construit de l'échelle. Enfin, les corrélations entre SAPS et KS-II (une échelle de dépendance à Internet) ainsi qu'entre SAPS et Mental Health Problems Scale ont été vérifiées afin de confirmer le critère de validité de SAPS.

Les échelles de dépendance à Internet développées et validées dans divers pays varient dans leurs structures factorielles. Canan et al. a mis au point une échelle de dépendance à l’Internet pour les adolescents turcs et a constaté que ses items étaient regroupés en un facteur. De même, Khazaal et al. a mis au point une échelle de dépendance à l’Internet pour les adultes français et a constaté que ses articles étaient regroupés dans un seul facteur. Cependant, d'autres études ont indiqué que leurs items de l'échelle de dépendance à Internet avaient été regroupés en divers facteurs, tels que l'obsession, la négligence et le trouble du contrôle. . L'échelle K la plus couramment utilisée en Corée est également composée de nombreux facteurs, tels que les fonctions adaptatives, le retrait, la tolérance et l'orientation de la vie virtuelle. En tant que tels, les chercheurs semblent être en désaccord sur les sous-domaines des échelles de dépendance à Internet, ce qui implique que la structure factorielle des échelles de dépendance à Internet peut ne pas être assez stable.

Les limites de cette étude et les suggestions d’études futures sont les suivantes.

Premièrement, la «tolérance», un sous-domaine de SAPS ainsi que les échelles de dépendance à Internet, ne constituent pas un facteur essentiel de dépendance, selon Charlton et Danforth. . En d'autres termes, utiliser Internet pendant de nombreuses heures ne peut constituer un critère de dépendance avant que ce comportement n'engendre des conséquences négatives. . Étant donné que les smartphones sont des appareils que les gens transportent et utilisent partout, la tolérance peut être inadaptée en tant que facteur fondamental de la dépendance aux smartphones. Cela nécessite une enquête et des analyses de données supplémentaires à l'échelle nationale sur ce sujet. De plus, la validation de l'échelle pourrait être améliorée, par exemple, en administrant l'échelle à des populations de jeunes toxicomanes et non dépendants pour examiner la validité discriminante de l'échelle.

Ensuite, SAPS pour les jeunes peut être largement utilisé dans la recherche sur la dépendance aux smartphones qui prend de l'ampleur ces jours-ci. Les appareils multimédias numériques d'aujourd'hui ont été rapidement développés, des formulaires basés sur PC aux smartphones et à diverses tablettes PC. En d'autres termes, les médias existants et les médias récents subissent une concurrence et un processus de substitution. Puisque les jeunes de nos jours sont considérés comme des natifs du numérique qui acceptent activement et utilisent les médias les plus récents , enquêter sur les effets secondaires possibles de leur utilisation des médias sur leur santé mentale semble urgent. Une utilisation excessive des médias numériques peut avoir des conséquences négatives sur les aspects physiques, psychologiques et sociaux de la vie des adolescents et peut même déclencher des comportements délinquants. Par exemple, Kross et al. ont constaté que l'utilisation de Facebook n'était pas utile pour les interactions sociales et qu'elle était associée à de faibles niveaux de bien-être psychologique subjectif. Par conséquent, la recherche sur les symptômes de la dépendance au smartphone ainsi que sur les effets de la dépendance au smartphone sur la santé mentale des adolescents est nécessaire, et le SAPS peut être bien utilisé dans une telle entreprise.

Contributions d'auteur

Conçu et conçu les expériences: DK YHL. Analysé les données: JYL YJC. Réactifs, matériaux et outils d’analyse: DK YHL. A écrit le papier: DK YHL JYL JEKN YJC.

Bibliographie

  1. 1. Chen J, Yen D, Chen K (2009) L'acceptation et la diffusion de l'utilisation innovante du smartphone. Information et gestion 46: 241 – 248. doi: 10.1016 / j.im.2009.03.001
  2. 2. Lapidot-Lefler N, Barak A (2012) Effets de l'anonymat, de l'invisibilité et du manque de contact avec les yeux sur la désinhibition toxique en ligne. Ordinateurs au comportement humain 28: 434 – 443. doi: 10.1016 / j.chb.2011.10.014
  3. Voir l'article
  4. PubMed / NCBI
  5. Google Scholar
  6. Voir l'article
  7. PubMed / NCBI
  8. Google Scholar
  9. Voir l'article
  10. PubMed / NCBI
  11. Google Scholar
  12. Voir l'article
  13. PubMed / NCBI
  14. Google Scholar
  15. 3. Suler J (2004) L'effet de désinhibition en ligne. CyberPsychologie et comportement 7: 321–326. doi: 10.1089 / 1094931041291295
  16. Voir l'article
  17. PubMed / NCBI
  18. Google Scholar
  19. Voir l'article
  20. PubMed / NCBI
  21. Google Scholar
  22. 4. Sohn S (2005) Concurrence et substitution des médias numériques: profils d'utilisation d'informations, de sports et de contenus pour adultes. Journal of Cybercommunication 16: 273 – 308.
  23. Voir l'article
  24. PubMed / NCBI
  25. Google Scholar
  26. 5. Song Y, Oh S, Kim E, Na E, Jung H, Park S (2007), Profils des utilisateurs des médias dans un environnement multimédia: évaluation des différences de sexe et de revenu. Journal de la recherche en communication 46 (2): 33 – 65.
  27. Voir l'article
  28. PubMed / NCBI
  29. Google Scholar
  30. Voir l'article
  31. PubMed / NCBI
  32. Google Scholar
  33. Voir l'article
  34. PubMed / NCBI
  35. Google Scholar
  36. Voir l'article
  37. PubMed / NCBI
  38. Google Scholar
  39. Voir l'article
  40. PubMed / NCBI
  41. Google Scholar
  42. Voir l'article
  43. PubMed / NCBI
  44. Google Scholar
  45. 6. Rapport de l'Agence nationale de la société de l'information (2011) sur l'élaboration de l'échelle de prédiction de la dépendance pour les smartphones coréens pour les jeunes et les adultes.
  46. Voir l'article
  47. PubMed / NCBI
  48. Google Scholar
  49. 7. Skierkowski D, Wood RM (2012) Texte ou pas? L'importance de la messagerie texte chez les jeunes d'âge universitaire. Ordinateurs au comportement humain 28: 744 – 756. doi: 10.1016 / j.chb.2011.11.023
  50. Voir l'article
  51. PubMed / NCBI
  52. Google Scholar
  53. Voir l'article
  54. PubMed / NCBI
  55. Google Scholar
  56. Voir l'article
  57. PubMed / NCBI
  58. Google Scholar
  59. 8. Lee H (2008) Exploration des variables prédictives affectant l’utilisation addictive du téléphone mobile. Revue coréenne de psychologie sociale et de la personnalité 22 (1): 133 – 157.
  60. Voir l'article
  61. PubMed / NCBI
  62. Google Scholar
  63. 9. Rapport de l'Agence nationale de la société de l'information (2010): Plan d'amélioration de la législation sur la prévention et la résolution des toxicomanies sur Internet.
  64. Voir l'article
  65. PubMed / NCBI
  66. Google Scholar
  67. Voir l'article
  68. PubMed / NCBI
  69. Google Scholar
  70. Voir l'article
  71. PubMed / NCBI
  72. Google Scholar
  73. 10. Young KS (1998) Psychologie de l'utilisation de l'ordinateur: Utilisation de l'Internet provoquant une dépendance: un cas qui brise le stéréotype. Rapports psychologiques 79: 899 – 902. doi: 10.2466 / pr0.1996.79.3.899
  74. 11. Goldberg I (1996). Trouble de dépendance à Internet. Message électronique posté sur la liste de discussion de la recherche. http://users.rider.edu/~suler/psycyber/s​upportgp.html (consulté en avril 20, 2011).
  75. Voir l'article
  76. PubMed / NCBI
  77. Google Scholar
  78. Voir l'article
  79. PubMed / NCBI
  80. Google Scholar
  81. 12. Kang H, Son C (2009) Développement et validation de l'échelle de dépendance du téléphone mobile pour les adolescents. Journal coréen de psychologie de la santé 14 (3): 497 – 510.
  82. Voir l'article
  83. PubMed / NCBI
  84. Google Scholar
  85. Voir l'article
  86. PubMed / NCBI
  87. Google Scholar
  88. Voir l'article
  89. PubMed / NCBI
  90. Google Scholar
  91. Voir l'article
  92. PubMed / NCBI
  93. Google Scholar
  94. Voir l'article
  95. PubMed / NCBI
  96. Google Scholar
  97. Voir l'article
  98. PubMed / NCBI
  99. Google Scholar
  100. Voir l'article
  101. PubMed / NCBI
  102. Google Scholar
  103. Voir l'article
  104. PubMed / NCBI
  105. Google Scholar
  106. Voir l'article
  107. PubMed / NCBI
  108. Google Scholar
  109. Voir l'article
  110. PubMed / NCBI
  111. Google Scholar
  112. Voir l'article
  113. PubMed / NCBI
  114. Google Scholar
  115. Voir l'article
  116. PubMed / NCBI
  117. Google Scholar
  118. Voir l'article
  119. PubMed / NCBI
  120. Google Scholar
  121. Voir l'article
  122. PubMed / NCBI
  123. Google Scholar
  124. Voir l'article
  125. PubMed / NCBI
  126. Google Scholar
  127. 13. Choliz M (2010) La dépendance à la téléphonie mobile: un point problématique. Addiction 105 (2): 373 – 375. Doi: 10.1111 / j.1360-0443.2009.02854.x
  128. 14. Zsolt D, Beatrix S, Sandor R (2008) Le modèle à trois facteurs de la dépendance à Internet: Le développement du questionnaire problématique sur l'utilisation d'Internet. Méthodes de recherche sur le comportement 40 (2): 563 – 574. doi: 10.3758 / brm.40.2.563
  129. 15. Kim D, Tae J (2010) Étude sur les expériences de médiation des utilisateurs de téléphones intelligents. Société de contenu du Journal of Korea Humanities 19: 373 – 394.
  130. 16. Kim D, Lee C (2010) Tendances technologiques de l'interface utilisateur pour smartphone. Examen de la société coréenne des sciences de l'information 28 (5): 15 – 26.
  131. 17. Hwang H, Sohn S, Choi Y (2011) Exploration des facteurs affectant la dépendance au téléphone intelligent - Caractéristiques des utilisateurs et attributs fonctionnels. Korean Journal of Broadcasting 25 (2): 277–313.
  132. 18. Kim M (2011) Étude sur les relations en ligne et hors ligne des utilisateurs SNS de téléphones intelligents: Centrage sur Twitter. L'école supérieure de l'Université des femmes d'Ewha. La thèse de master.
  133. 19. Noh M, Kim J, Lee J (2010) Analyse du smartphone et convergence des fonctions par l'analyse d'association. Journal de la Société coréenne des systèmes d’information de gestion 1: 254 – 259.
  134. 20. Apple Pty Ltd. (2011). Caractéristiques iPhone. http://www.apple.com/au/iphone/features/ Accès Mar 19 2011.
  135. 21. Kim J (2010) L'évolution du service Internet mobile. OSIA Standards & Technology Review 38 (1): 4–12.
  136. 22. Park I, Shin D (2010) Utiliser la théorie des utilisations et des gratifications pour comprendre l’utilisation et les gratifications des smartphones. Journal de la science de la communication 10 (4): 192 – 225.
  137. 23. Choi WS (2010) Etude sur l'importance des caractéristiques fonctionnelles des smartphones. Journal d'application et de gestion de la technologie de l'information 1: 289-297.
  138. 24. Digieco Reports (2010) Une analyse de l'effet socio-économique de l'iPhone. Institut de recherche en économie de gestion KT.
  139. 25. Koh Y, Lee H (2010) Étude sur les modifications des schémas de comportement chez les utilisateurs de smartphones en observant les anciens utilisateurs d’iPhone. Journal de la science des produits 28 (1): 111 – 120.
  140. 26. Casey BM (2012) Établir un lien entre les attributs psychologiques et la dépendance au téléphone intelligent, la communication face à face, l’absence actuelle et le capital social. Projet de fin d'études, école supérieure de l'Université chinoise de Hong Kong.
  141. 27. Bianchi A, Phillips JG (2005), prédicteurs psychologiques de l'utilisation problématique du téléphone portable. CyberPscyhologie, comportement et réseaux sociaux 8 (1): 2152 – 2715.
  142. 28. Horvath CW (2004) Mesurer la dépendance à la télévision. Journal de la radiodiffusion et des médias électroniques 48 (3): 378 – 398. doi: 10.1207 / s15506878jobem4803_3
  143. 29. Kim DI, Chung Y, Lee E, Kim DM, Cho Y (2008) Élaboration de l’échelle de prédiction des dépendances sur Internet - Forme abrégée. Le journal coréen de conseil 9 (4): 1703 – 1722.
  144. 30. Kim DI (2005). Test de personnalité Big 5 pour enfants et adolescents. Séoul, Corée: Hakjisa.
  145. 31. Rapport de l'Agence nationale de la société de l'information (2011): Troisième standardisation de l'échelle coréenne de prédiction de la dépendance à Internet.
  146. 32. Kim DI, Lee YH, Lee JY, Kim MC, Keum CM et al. (2012) Nouveaux modèles dans la dépendance aux médias: le smartphone est-il un substitut ou un complément à Internet? Le journal coréen de conseil jeunesse 20 (1): 71 – 88.
  147. 33. Kross E., Verduyn, P., Demiralp E., Park J, et al. (2013) L'utilisation de Facebook prédit une baisse du bien-être subjectif chez les jeunes adultes. PLoS ONE 8 (8): e69841. doi: 10.1371 / journal.pone.0069841
  148. 34. Shin K, Kim DI, Chung Y (2011) Rapport: Mise au point d'une échelle de prédiction de la toxicomanie sur les smartphones coréens pour les jeunes et les adultes. Agence nationale de la société de l'information.
  149. 35. Griffiths MD (2010) Utilisation de méthodologies en ligne pour la collecte de données sur le jeu et les dépendances au jeu. Journal international de la santé mentale et des toxicomanies 8: 8 – 20. Paramètres: 10.1007 / s11469-009-9209-1
  150. 36. Kwon M, DJ Kim, Cho H, Yang S (2013) L'échelle de dépendance au smartphone: développement et validation d'une version courte pour les adolescents. PLoS ONE 8 (12): feuille de calcul: 83558 / journal.pone.10.1371.
  151. 37. Beard KW, Wolf EM (2001) Modification des critères de diagnostic proposés pour la dépendance à Internet. CyberPsychologie et comportement. 4 (3): 377–383. doi: 10.1089 / 109493101300210286
  152. 38. Young KS (1996) Utilisation abusive d'Internet: un cas qui casse le stéréotype. Rapports psychologiques 79: 899 – 902. doi: 10.2466 / pr0.1996.79.3.899
  153. 39. Widyanto L, McMurren M (2004) Les propriétés psychométriques du test de dépendance à Internet. CyberPsychologie et comportement 7 (4): 443–450. doi: 10.1089 / cpb.2004.7.443
  154. 40. Canan F, Ataoglu A, LA de Nichols, T Yildirim, O Ozturk (2010), Évaluation des propriétés psychométriques de l'échelle de dépendance à Internet chez un échantillon d'élèves du secondaire turcs. Cyberpsychologie, comportement et réseaux sociaux 13 (3): 317 – 320. doi: 10.1089 / cyber.2009.0160
  155. 41. Khazaal Y, Billieux J, Thorens G, Khan R, Louati Y, Scarlatti E, et al. (2008) Validation française du test de dépendance à Internet. CyberPsychologie et comportement 11 (6): 703–706. doi: 10.1089 / cpb.2007.0249
  156. 42. Demetrovics Z, Szereredi B, Rozsa S (2008) Le modèle à trois facteurs de la dépendance à Internet: élaboration du questionnaire sur l'utilisation problématique de l'Internet. Méthodes de recherche sur le comportement 40 (2): 563 – 574. doi: 10.3758 / brm.40.2.563
  157. 43. Kelley KJ, Gruber EM (2010) Propriétés psychométriques du questionnaire d'utilisation problématique d'Internet. Ordinateurs au comportement humain 26: 1838 – 1845. doi: 10.1016 / j.chb.2010.07.018
  158. 44. Greenfield DN (1999) Caractéristiques psychologiques de l'utilisation compulsive d'Internet: une analyse préliminaire. CyberPsychologie et comportement 8 (5): 403–412. doi: 10.1089 / cpb.1999.2.403
  159. 45. Charlton JP, Danforth IDW (2007) Distinguer la dépendance et le fort engagement dans le contexte du jeu en ligne. Ordinateurs au comportement humain 23 (3): 1531 – 1548. doi: 10.1016 / j.chb.2005.07.002
  160. 46. Prensky M (2001) Natifs numériques, partie immigrés numériques 1. Sur le Horizon 9: 1 – 6. doi: 10.1108 / 10748120110424816
  161. 47. Park W (2005) Dépendance au téléphone mobile. Communications mobiles. Travail coopératif assisté par ordinateur Vol. 31: 253 – 272. Paramètres: 10.1007 / 1-84628-248-9_17
  162. 48. Kang H, Son C (2009) Développement et validation de l'échelle de dépendance du téléphone mobile pour les adolescents. Journal coréen de psychologie de la santé 14 (3): 497 – 510.
  163. 49. Koo H (2013) Développement d'une échelle de dépendance au téléphone cellulaire pour les parents coréens de jeunes enfants. Recherche en sciences infirmières sur la santé des enfants 19 (1): 29 – 38. doi: 10.4094 / chnr.2013.19.1.29
  164. 50. Keum C (2013) Recherche sur la tendance à la dépendance aux smartphones et les problèmes de santé mentale chez les élèves des collèges et lycées en Corée. Thèse de maîtrise de l'Université nationale de Séoul.