Différences individuelles dans les capacités d'apprentissage implicites et le comportement impulsif dans le contexte de la dépendance à Internet et du trouble du jeu sur Internet en tenant compte du genre (2018)

. 2017 Jun; 5: 19 – 28.

Publié en ligne 2017 Feb 7. est ce que je:  10.1016 / j.abrep.2017.02.002

PMCID: PMC5800554

PMID: 29450224

Langue : Anglais | Allemand | Allemand

1. introduction

Internet a fait son chemin dans la vie quotidienne de nombreuses personnes dans le monde entier, offrant un moyen facile de recueillir des informations et de consommer des divertissements. Avec le nombre croissant d’internautes, ce qui représente près de 50% de la population mondiale à l’heure actuelle (accessible sur 07.09.16. , le nombre de rapports sur l’utilisation problématique d’Internet (PIU) est en augmentation. Dans une étude représentative réalisée en Allemagne (N = 15,024 XNUMX participants) ont montré des prévalences de 1.5% dans la dépendance à Internet, les jeunes utilisateurs affichant des proportions plus élevées (4% dans le groupe des 14-16 ans). Premières tentatives de définition et de diagnostic de PIU1 Kimberly Young au cours de l’année 1998 (voir aussi le premier rapport de cas du ). Depuis lors, de nombreux tests et instruments de dépistage ont été développés (par exemple , , ), afin de pouvoir calculer les prévalences dans différentes populations et de fournir aux patients un traitement efficace. Cependant, il n’existe toujours pas de classification nosologique de PIU. La recherche sur la dépendance au jeu en ligne semble être un pas en avant, car récemment, le trouble du jeu sur Internet (IGD) a été inclus dans la section III du DSM-5, ce qui encouragerait la poursuite des examens avant de le considérer comme un trouble formel (). IGD est considéré comme une forme spécifique de PIU, qui ne chevauche que de petites parties de la forme généralisée de PIU décrite ci-dessus (par exemple , ).

1.1. PIU et apprentissage implicite / prise de décision

De nombreuses études ont montré des déficiences dans la prise de décision, auprès de patients présentant des dépendances aux substances et au comportement (par exemple: , ). En raison de similitudes dans la conceptualisation de la PIU et de la dépendance au comportement / à la substance (), le sujet de la prise de décision revêt également une grande importance pour mieux comprendre la nature de l’utilisation excessive d’Internet. Lors de l’évaluation de la décision, une distinction a été prise entre la prise de décision sous ambiguïté et la prise de décision sous risque (, ). Alors que dans la prise de décision sous ambiguïté, les règles de gains et de pertes et les probabilités de résultats différents ne sont pas explicitement expliquées (mesurées par exemple avec les (premiers essais de la) IOWA Gambling Task ou IGT), dans la prise de décision sous risque, des informations explicites sur le potentiel. les probabilités de gains et de pertes sont disponibles ou sont calculables (mesurées par exemple avec la tâche Jeu de dés ou GDT) (, ). Sur la base de cette différenciation et des modèles de prise de décision à double processus (par exemple, ), a proposé un modèle théorique pour expliquer la prise de décision sous risque. Dans ce modèle, le rôle des fonctions exécutives est souligné comme une clé de la pertinence pour la prise de décision en situation de risque, mais pas pour la prise de décision en ambiguïté. La récompense émotionnelle et la punition sont censées accompagner les deux formes de prise de décision. Ainsi, les processus réflexifs (contrôlés par la cognition) et les processus impulsifs (induits par l’anticipation de récompenses et de punitions émotionnelles) peuvent être impliqués dans les processus décisionnels dans des conditions de risque objectives (). De plus, il a été proposé que des facteurs tels que des informations sur la situation de décision, les attributs individuels, les états induits par la situation et les influences externes aient des effets modulateurs sur la prise de décision ().

En ce qui concerne la dépendance à Internet, un nouveau cadre théorique a été proposé par , appelé Interaction de la personne-affect, de la cognition et de l'exécution (I-PACE), où une déficience des fonctions exécutives et un contrôle inhibiteur ont également été mis en évidence comme étant pertinents pour le développement de la PIU. Selon ce modèle, le développement et le maintien de troubles spécifiques d’utilisation d’Internet sous-tendent les interactions entre les facteurs prédisposants (personnalité et psychopathologie, par exemple), les modérateurs (style d’adaptation dysfonctionnel et attentes sur Internet) et les médiateurs (réponses affectives et cognitives aux signaux de situation). Ces interactions complexes, combinées à l’expérience de la gratification et du renforcement positif, résultant de l’utilisation d’une certaine caractéristique d’Internet, et à la réduction des fonctions exécutives et du contrôle inhibiteur, pourraient entraîner un trouble spécifique de l’utilisation d’Internet.

Jusqu'à présent, quelques études empiriques ont été menées dans le contexte de la PIU, du contrôle inhibiteur et de la prise de décision. La plupart d’entre eux sont conformes au cadre théorique susmentionné par . Par exemple, les utilisateurs d'Internet excessifs ont enregistré de moins bonnes performances lors d'une tâche de jeu et le choix plus lent d'une stratégie réussie par rapport aux participants de contrôle. Dans une étude plus récente, a signalé une capacité de prise de décision réduite sous risque dans le TDG dans un groupe de joueurs excessifs de World of Warcraft (WoW) par rapport aux participants de contrôle. a utilisé une version modifiée de la tâche Go / NoGo (où les stimuli liés au jeu étaient utilisés à côté des stimuli neutres) et a signalé des réductions du contrôle inhibiteur chez les participants atteints de DIG, par rapport aux participants témoins. a obtenu des résultats similaires avec une version modifiée de l’IGT lors de l’utilisation d’images neutres et pornographiques sur les jeux de cartes avantageux et / ou défavorables. Ici, les participants masculins ont fait preuve d'une prise de décision déficiente lors d'essais où les images pornographiques étaient associées à des jeux de cartes désavantageux. Cependant, des résultats mitigés concernant la prise de décision dans le contexte de PIU ou IGD ont également été rapportés. Dans une étude de Par exemple, les participants accro à Internet ont montré une meilleure prise de décision, mesurée avec l'IGT, par rapport aux participants témoins. Dans l'étude de déjà cité ci-dessus, aucune différence dans la prise de décision en utilisant l'IGT n'a pu être trouvée entre les participants sains et ceux atteints d'IGD. Pour démêler ces résultats contradictoires, d'autres études, portant sur les variables interférentes possibles, sont nécessaires. Une variable particulière est décrite plus loin dans la présente étude.

1.2. PIU, prise de risque et impulsivité

En raison de la caractérisation initiale de la PIU en tant que trouble du contrôle de l’impulsion, plusieurs études ont été menées pour explorer la PIU dans le contexte de l’impulsivité et de la prise de risque. et ont montré que la PIU était associée positivement à l’impulsivité du trait, mesurée avec l’échelle d’impulsivité de Barratt (BIS-11). En ce qui concerne le cadre théorique par Comme déjà mentionné ci-dessus, l'impulsivité est mentionnée parmi les facteurs de personnalité, montrant les associations les plus stables avec PIU et est donc proposée comme l'un des facteurs influençant son développement et son maintien. En gros, l'impulsivité est caractérisée comme «une prédisposition à des réactions rapides et imprévues à des stimuli internes ou externes, sans tenir compte des conséquences négatives de ces réactions sur les individus impulsifs ou sur autrui» (). Le terme associé de prise de risque est défini comme «des comportements réalisés dans des conditions d'incertitude, avec ou sans conséquences négatives inhérentes, et sans planification d'urgence robuste» (). appliqué la tâche de risque analogue au ballon () pour mesurer la prise de risque, mais n’a pas trouvé de lien significatif avec PIU. Dans la présente étude, nous examinons une fois de plus ces associations, en appliquant les deux méthodes, l'autodéclaration et des mesures expérimentales d'impulsivité / prise de risque.

1.3. Le rôle du genre pour PIU / IGD

Un autre problème important dans le contexte de la dépendance à Internet est la préférence pour des caractéristiques spécifiques d'Internet (par exemple, achats en ligne, jeux en ligne), en fonction du sexe. Une étude représentative de l'Allemagne a montré que 77.1% des femmes dépendantes d'Internet âgées de 14 à 24 ans utilisent des sites de réseautage social, contre 64,8% d'hommes au même âge (). Dans la même étude, 7.2% des femmes accro à Internet âgées de 14 à 24 ans ont déclaré utiliser Internet pour jouer à des jeux vidéo en ligne, contre 33.6% des hommes du même âge (). Ainsi, il semble qu'en ce qui concerne l'IGD, les participants de sexe masculin manifestent une préférence plus grande pour les jeux en ligne que les participants de sexe féminin et qu'ils seraient plus à risque de développer l'IGD. En outre, ont observé que le vieillissement, l’estime de soi et la satisfaction de la vie quotidienne étaient associées à une IGD plus sévère chez les hommes, mais pas chez les femmes. Malgré ces résultats, il ne reste que quelques études qui considèrent systématiquement le sexe des participants comme une variable modérateur / médiateur dans le contexte de la PIU. Cependant, il est possible que ces différences expliquent certains résultats contradictoires sur le terrain et qu’elles seront donc prises en compte dans les études suivantes.

Le but de notre projet de recherche était d’étudier le lien entre PIU, IGD et apprentissage implicite dans un groupe de participants de sexe masculin présentant une prédisposition à l’IGD (étude 1). Dans l’étude 2, nous nous sommes efforcés de reproduire ces résultats en comparant des participants en bonne santé et des joueurs de WoW excessifs en tenant compte du genre. L’objet de l’étude 3 était d’explorer la relation entre PIU, IGD et impulsivité / prise de risque (données autodéclarées et expérimentales) chez des participants en bonne santé.

Sur la base de la littérature susmentionnée, nous avons formulé les hypothèses suivantes:

Hypothèse 1 

Nous nous attendons à des associations négatives entre PIU / IGD et les capacités d’apprentissage implicites (étude 1).

Hypothèse 2 

Nous nous attendons à des associations négatives entre PIU / IGD et les capacités d’apprentissage implicites (étude 2). Nous nous attendons à ce que cette association négative soit la plus forte dans le groupe de joueurs masculins de WoW.

Hypothèse 3 

Nous nous attendons à des associations positives entre PIU / IGD et l'autodéclaration ainsi que des mesures expérimentales de l'impulsivité / prise de risque chez des participants en bonne santé (étude 3).

2. Etudier 1

2.1. Méthodes

2.1.1. Participants

N = 107 participants (99 hommes, 8 femmes, âge M = 19.52, SD = 3.57) ont été recrutés lors de la «Gamescom 2013» en Allemagne, le plus grand événement de jeu au monde. Cependant, parce que le très faible nombre de participantes dans l'échantillon actuel (n = 8) et les différences entre les sexes rapportées ci-dessus dans le contexte de l'IGD (par exemple ), nous avons exclu les participantes des analyses ultérieures de l’étude. Après avoir également exclu les participants pour lesquels des données étaient manquantes, l’échantillon a abouti à n = 79 participants masculins (âge M = 19.81, SD = 3.62). En ce qui concerne leurs études, 8.9% ont déclaré avoir un diplôme universitaire ou polytechnique, 40.5% ont déclaré avoir un diplôme de niveau A ou un baccalauréat professionnel et 26.6% ont déclaré avoir un certificat de fin d'études secondaires ou un diplôme d'études secondaires modernes, tandis que 24% ont déclaré ne pas avoir de diplôme d'études.

2.1.2. Les mesures

Les participants ont répondu à des questions sur leur âge, leur sexe et leur éducation et ont rempli une version abrégée du test de dépendance à Internet (s-IAT, ; L'alpha de Cronbach dans le présent échantillon était de 0.70), contenant 12 éléments à l'échelle de Likert (1 = jamais à 5 = très souvent) et l'échelle de dépendance au jeu en ligne (OGAS, une version modifiée de l'échelle de dépendance au jeu par , où le mot «en ligne» a été ajouté à chaque élément; L'alpha de Cronbach dans le présent échantillon était de 0.66), composé de 7 items, compris entre 1 = jamais et 5 = très souvent. De plus, les participants ont évalué leur expérience de jeu sur ordinateur (par exemple «Depuis combien d'années jouez-vous à des jeux informatiques?» Ou «Combien d'heures en moyenne par semaine jouez-vous à des jeux informatiques en ligne?»). Une auto-évaluation de la prise de risque a été administrée, y compris un élément sur les tendances générales à la prise de risque («Comment vous décririez-vous de 0 (pas du tout disposé à prendre des risques) à 10 (absolument disposé à prendre des risques)?» ); Panel Socio-Economique Allemand (SOEP; ). Nous avons utilisé une tâche expérimentale légèrement ajustée («Devil's chest»), incorporée à partir d'une étude de , afin de mesurer l'apprentissage implicite. Sur chacun des essais 36, nous avons présenté dix images de boîtes en bois fermées sur un écran d'ordinateur. Les cases ont été alignées sur une rangée et les participants ont ensuite eu la possibilité d'ouvrir un nombre de cases choisi par eux-mêmes, en travaillant de gauche à droite. Les participants ont été informés que neuf des boîtes contenaient une récompense monétaire virtuelle (centimes 5) et qu'une contenait un «diable». Si les participants n'ouvraient que des boîtes de récompenses lors d'un essai donné, ils passaient à l'essai suivant en obtenant la somme des récompenses. S'ils ont ouvert une boîte, contenant le diable, parmi les autres boîtes, ils ont tout perdu lors du procès en cours. La prochaine position du diable a été randomisée parmi les essais 36, mais est apparue pour chaque position de 2 à 102 exactement quatre fois. Bien que cela n’ait pas été mentionné aux participants, ceux qui possédaient des compétences cognitives supérieures auraient peut-être développé une compréhension implicite de cette règle et auraient peut-être appris à mieux performer au cours de l’expérience. Le total des récompenses monétaires à la fin de l'expérience est également appelé «GAIN» et sera utilisé comme mesure de l'apprentissage implicite. Le montage expérimental est décrit dans Fig. 1.

 

Fig. 1

Mise en place expérimentale du coffre du diable - ouvrir le coffre avec le diable a conduit à la perte de toutes les pièces collectées d'un essai donné.

2.1.3. Procédure

Tous les questionnaires disponibles uniquement en anglais ont été traduits en allemand par notre propre groupe de travail. Les participants ont d'abord rempli les questionnaires, puis ont terminé l'expérience de la poitrine du diable. Veuillez noter que les participants à l'étude 1 n'ont reçu aucune récompense monétaire après avoir terminé l'expérience et qu'ils ont été informés de ce fait avant de terminer l'expérience.

2.1.4. analyses statistiques

Pour les analyses suivantes, la normalité des données a été examinée en appliquant la règle empirique suggérée par , compte tenu de l'asymétrie des variables étudiées. Les analyses de corrélation ont été calculées avec les corrélations de Pearson ou de Spearman, en fonction de la distribution des données, et des intervalles de confiance corrigés par bootstrap et accélérés (intervalles de confiance BCa à 95%) ont été calculés pour chaque coefficient de corrélation afin de tester davantage leur signification. Des mesures répétées ANOVA ont été utilisées pour tester les effets d'apprentissage implicites, en comparant le gain dans les 18 premiers essais avec le gain dans les 18 derniers essais de l'expérience.

2.1.5. Éthique

Le projet de recherche (études 1, 2 et 3) a été approuvé par le comité d'éthique local de l'Université de Bonn, Bonn, Allemagne. Tous les sujets ont donné leur consentement éclairé avant de terminer l'étude.

2.2. Résultats

Les moyennes et les écarts-types des variables à l'étude sont présentés dans Tableau 1.

Tableau 1

Moyenne, écart type (SD) et plage possible / réelle pour les variables d'expérience de jeu (années), d'heures de jeu en ligne par semaine, s-IAT, OGAS, GAIN et prise de risque (auto-évaluation).

 MédianSDPlage possiblePlage réelle
Expertise de jeu (années)11.094.31-3-24
Heures de jeu en ligne par semaine22.2416.00-0-70
s-IAT23.865.3812-6012-43
OGAS14.754.367-357-26
GAIN413.6171.970-900a160-520
Prise de risque (auto-évaluation)6.771.890-103-10
 

N = 79, prise de risque (auto-déclaration) n = 64.

aVeuillez noter que la plage maximale possible pour la variable GAIN a été estimée en supposant que le diable apparaîtrait à chaque position entre 2 et 10 exactement quatre fois.

2.2.1. Analyses de corrélation

Seule la variable GAIN n'était pas normalement distribuée. L'âge des participants était positivement corrélé avec le GAIN (ρ = 0.27, p <0.05). De plus, le GAIN a montré une corrélation négative avec le score s-IAT (ρ = - 0.26, p <0.05). De plus, nous avons calculé des corrélations partielles pour le GAIN et le score s-IAT pour contrôler l'âge. La corrélation est restée significative (r = - 0.28, p <0.05). La corrélation négative entre le GAIN et le score OGAS n'atteignait guère de signification (ρ = - 0.20, p = 0.073) et est restée non significative après contrôle de l'âge (r = - 0.12, p = 0.292). Toutes les corrélations significatives sont restées significatives après l'inspection des intervalles de confiance BCa à 95%. S'il te plait regarde Tableau 2 pour un aperçu des résultats.

Tableau 2

Corrélations entre le GAIN dans l'expérience «Devil's chest» et le s-IAT, le score OGAS et la prise de risque (auto-évaluation).

 GAINs-IATOGASprise de risque (auto-évaluation)
GAIN1   
s-IAT- 0.264⁎1  
OGAS- 0.2030.511⁎⁎1 
prise de risque (auto-évaluation)0.1480.1290.1871
 

N = 79, prise de risque (auto-évaluation) n = 64; Les corrélations de Spearman sont illustrées dans Italique.

⁎⁎p <0.01.
⁎p <0.05.

2.2.2. Vérification de la manipulation de l'expérience «Devil's chest» comme mesure d'apprentissage implicite

Les résultats des ANOVA à mesures répétées ont montré une différence moyenne significative entre le GAIN dans les premiers essais 18 de l’expérience et les derniers essais 18 (F(1,78) = 17.303, p <0.01), montrant que les participants ont gagné plus d'argent dans la deuxième partie de l'expérience (M1 = 192.34 et M2 = 221.27 respectivement) (voir Fig. 2).

 

Fig. 2

Moyennes et erreur standard pour le GAIN dans les 18 premiers essais par rapport au GAIN dans les 18 derniers essais de l'expérience «Devil's chest». MU = unités monétaires.

2.3. Discussion

En résumé, comme proposé dans nos hypothèses, dans l’étude, la dépendance à Internet par 1 était associée à des capacités d’apprentissage implicites déficientes. Ce résultat fournit une preuve supplémentaire du rôle d'une mauvaise prise de décision dans le contexte de la CEP (par exemple ). L'association avec IGD allait dans la même direction, cependant, n'a pas atteint la signification. Cela pourrait s'expliquer par la taille relativement petite de l'échantillon et / ou par la cohérence interne relativement faible (0.66) de l'échelle OGAS dans cette étude. Afin d’approfondir l’étude de ces relations et de comparer les résultats entre les participants hommes et femmes et entre les joueurs et les non-joueurs, l’étude 2 a été réalisée.

3. Etudier 2

Le but de la deuxième étude était de reproduire les résultats de l'étude 1, en utilisant un échantillon de joueurs de World of Warcraft (WoW) et de participants témoins, qui étaient naïfs envers WoW. Étant donné que l'association entre le s-IAT et le GAIN en tant que mesure de l'apprentissage implicite pouvait être observée chez les participants masculins présentant une prédisposition à l'IGD, nous étions intéressés de voir la réplication des résultats de l'étude 1, en particulier chez les joueurs masculins de WoW.

3.1. Méthodes

3.1.1. Participants

Les joueurs de WoW et les participants témoins ont participé à l'étude. Les joueurs WoW ont été recrutés selon les critères suivants: Expérience de jeu WoW pendant au moins deux ans. Un critère d'exclusion était de jouer à d'autres jeux que WoW pendant> 7 h par semaine, cependant, les participants sans expérience dans d'autres jeux étaient de préférence recrutés. Les personnes de contrôle devaient être naïves sur WoW et n'avaient donc aucune expérience de ce jeu auparavant. Les critères d'exclusion pour les deux groupes de participants étaient la déficience visuelle, les difficultés de lecture et d'écriture, la dyschromatopsie, les commotions cérébrales, les médicaments à long terme, les maladies neurologiques et psychiatriques, la déficience auditive et la forte consommation de substances. Après une inspection approfondie de l'échantillon, nous avons exclu un participant en raison d'un trouble de l'alimentation et de la consommation quotidienne de cannabis, un participant en raison de troubles neurologiques et psychiatriques et un participant du groupe témoin en raison de valeurs extrêmes dans sIAT et OGAS, et les participants avec des données manquantes. , qui a abouti à n = 77 participants témoins (39 hommes) et n = 44 joueurs WoW (28 hommes). 6.5% (n = 5) des participants témoins ont signalé une utilisation occasionnelle de jeux de rôle en ligne (<3 h de jeu par semaine) et 23.4% (n = 18) ont signalé une utilisation occasionnelle des jeux de tir Ego (<1 h de jeu par semaine). L'âge moyen de l'échantillon total était M = 23.70 (SD = 3.93). En ce qui concerne leur éducation, 10.7% ont déclaré avoir un diplôme universitaire, 85.9% ont déclaré avoir un diplôme de niveau A ou un baccalauréat professionnel et 2.5% ont déclaré avoir un certificat de fin d'études secondaires ou un diplôme d'études secondaires modernes. Une personne (0.9%) n'a pas répondu aux questions concernant l'éducation.

3.1.2. Les mesures

Ici encore, le s-IAT (; L'alpha de Cronbach dans le présent échantillon était de 0.76), OGAS (une modification du GAS par ; L'alpha de Cronbach dans le présent échantillon était de 0.88) et l'expérience de jeu sur ordinateur a été évaluée. En outre, le Questionnaire d'utilisation-engagement problématique spécifique de World of Warcraft (WoW-SPUQ), composé de 27 éléments, notés sur une échelle allant de 1 = «complètement en désaccord» à 7 = «entièrement d'accord» (; L'alpha de Cronbach dans l'échantillon actuel était de 0.89) a été renseigné par le groupe WoW uniquement. De plus, l'échelle d'impulsivité de Barratt (BIS-11; ; L'alpha de Cronbach dans l'échantillon actuel était de 0.85) a été administré comme une mesure d'impulsivité (30 items sont notés sur une échelle allant de 1 = «rarement / jamais» à 4 = «presque toujours / toujours»). Avec cette échelle, trois facteurs du second ordre peuvent être évalués: l'impulsivité attentionnelle est définie comme une incapacité à concentrer l'attention ou à se concentrer; l'impulsivité motrice implique d'agir sans réfléchir, tandis que l'impulsivité non planifiée implique un manque de «futur» ou de prévoyance (). La cohérence interne des sous-échelles de la présente étude était respectivement 0.73, 0.69 et 0.69.

3.1.3. Procédure

Les participants ont participé à une grande étude longitudinale pour étudier les facteurs biologiques à côté des variables psychologiques et leur rôle pour l'IGD. Pour la présente étude, seules les données du premier point de mesure ont été utilisées pour tester et reproduire les résultats de l'étude 1 (terminer l'expérience de la poitrine du diable pour une deuxième fois (T2) n'est clairement pas comparable à être naïf avec elle comme dans l'étude 1 ). Les questionnaires et l'expérience ont été remplis dans le même ordre que dans l'étude 1. Par rapport à l'étude 1, cependant, dans l'étude 2, les participants ont reçu le montant d'argent qu'ils avaient gagné dans l'expérience «Devil's chest» et ils ont été informés de ce fait avant de terminer l'expérience.

3.1.4. analyses statistiques

L’évaluation des données a été réalisée de manière analogue pour étudier 1.

3.2. Résultats

Le score OGAS et les heures de jeu en ligne par semaine n'étaient pas normalement distribués dans les groupes de participants de contrôle masculins et féminins. De plus, le score s-IAT et l'âge n'étaient pas répartis normalement dans le groupe des participantes témoins. La corrélation entre GAIN et le score s-IAT dans le groupe de joueurs masculins de WoW a été testée unilatéralement, sur la base des résultats de l'étude 1.

Des statistiques descriptives pour les participants de contrôle et les joueurs de WoW sont présentées dans Tableau 3. Ici, les participants de contrôle masculins et féminins avaient une expérience de jeu, des heures de jeu en ligne par semaine et des scores OGAS significativement inférieurs à ceux des joueurs de WoW masculins et féminins (voir Tableau 3). De plus, les joueuses de WoW ont affiché des scores significativement plus élevés au s-IAT que les participantes au contrôle. Toutes les autres variables ne différaient pas significativement entre les participants au contrôle et les joueurs de WoW.

Tableau 3

Moyenne, écart type (SD), plage possible / réelle, t-/U valeur et signification (p) des différences de moyennes entre les participants du contrôle et le groupe WoW pour les variables d’expérience de jeu (années), d’heures de jeu en ligne par semaine, GAIN, s-IAT, OGAS, WoW-SPUQ et BIS-11.

 Groupe de contrôle 

Joueurs de WoW 

Plage possiblePlage réellet-/U Plus-valuep
MédianSDMédianSD
Participants masculins
Expertise de jeu (années)9.496.8114.294.85-0 – 22 / 6 – 25- 3.3690.001
Heures de jeu en ligne par semaine1.182.1119.7111.44-0 – 9 / 0 – 5030.0<0.001
GAIN450.7739.10443.0454.300-900370 – 510 / 305 – 5250.6780.500
s-IAT21.676.5323.796.9012-6012 – 42 / 14 – 41- 1.2800.205
OGAS8.672.3915.795.857-357 – 17 / 9 – 2994.5<0.001
WoW-SPUQ--87.5723.2627-189- / 53 – 134--
Total BIS-1165.0013.3964.638.9430-12040 – 99 / 53 – 900.1250.901
BIS-11 attentional17.134.9516.572.858-328 – 30 / 12 – 210.5790.565
Moteur BIS-1123.164.8122.433.6611-4414 – 35 / 16 – 330.6710.504
BIS-11 non planifié24.715.3225.744.7711-4414 – 40 / 16 – 40- 0.8030.425
 
Participantes
Expertise de jeu (années)3.865.7611.505.29-0 – 15 / 1 – 20- 4.557<0.001
Heures de jeu en ligne par semaine0.090.4317.569.06-0 – 2.5 / 1 – 37.51.5<0.001
GAIN429.7439.98439.0658.720-900330 – 510 / 295 – 510- 0.6780.501
s-IAT18.584.9921.445.2412-6013 – 36 / 14 – 30199.50.047
OGAS7.110.5113.503.697-357 – 10 / 9 – 214.0<0.001
WoW-SPUQ--81.6322.4227-189- / 50 – 119--
Total BIS-1161.259.1461.736.1630-12037 – 87 / 53 – 77- 0.1870.852
BIS-11 attentional16.613.5517.063.388-3210 – 25 / 10 – 22- 0.4380.663
Moteur BIS-1121.083.9321.803.9711-4412 – 31 / 17 – 29- 0.5920.557
BIS-11 non planifié23.974.1623.312.7011-4413 – 35 / 17 – 270.5840.562
 

Remarque: Le test Mann-Whitney-U a été réalisé pour comparer les moyennes de variables non distribuées normalement. Les résultats sont indiqués en italique dans le tableau.

3.2.1. Analyses de corrélation

Pour les groupes de participants de contrôle masculins ou féminins, l'âge des participants n'était pas significativement corrélé au score GAIN, au score s-IAT ou au score OGAS. Toutes les autres corrélations sont présentées dans Tableau 4. Ici, GAIN n'était pas significativement lié ni au score s-IAT ni au score OGAS pour les participants hommes et femmes. En outre, le score s-IAT était positivement lié à l'impulsivité de l'attention de la sous-échelle BIS-11 chez les participants de contrôle masculins. Toutes les corrélations significatives dans Tableau 4 est resté significatif après l’inspection des intervalles de confiance BCa 95%.

Tableau 4

Corrélations de Spearman et Pearson pour les variables GAIN, s-IAT, OGAS et BIS-11 pour le groupe de participants témoins, réparties entre hommes et femmes.

 GAINs-IATOGASTotal BIS-11BIS-11 attentionalMoteur BIS-11
Participants masculins
GAIN1     
s-IAT- 0.0531    
OGAS0.2380.1391   
Total BIS-110.0200.2480.349⁎1  
BIS-11 attentional0.1090.426⁎⁎0.3010.866⁎⁎1 
Moteur BIS-11- 0.0640.0940.338⁎0.843⁎⁎0.612⁎⁎1
BIS-11 non planifié0.0950.1430.1980.906⁎⁎0.707⁎⁎0.660⁎⁎
 
Participantes
GAIN1     
s-IAT0.1181    
OGAS- 0.0880.2571   
Total BIS-11- 0.1390.2320.1561  
BIS-11 attentional0.1610.282- 0.0220.749⁎⁎1 
Moteur BIS-11- 0.2190.2010.2920.764⁎⁎0.3121
BIS-11 non planifié- 0.1380.118- 0.1190.868⁎⁎0.531⁎⁎0.478⁎⁎
 

Les corrélations de Spearman sont décrites dans Italique.

n (hommes) = 39, n (hommes, BIS-11) = 38, n (femmes) = 38, n (femmes, BIS-11) = 36.

⁎⁎p <0.01.
⁎p <0.05.

Pour le groupe de joueurs masculins et féminins de WoW, l'âge n'était pas significativement corrélé avec le score GAIN, s-IAT, OGAS ou WoW-SPUQ. Toutes les autres corrélations sont présentées dans Tableau 5. Ici, GAIN était associé négativement au s-IAT et au score WoW-SPUQ uniquement dans le groupe de joueurs masculins de WoW. Cependant, ces corrélations ne montrent qu’une tendance à la significativité (r = - 0.30, p = 0.063, test unilatéral et r = - 0.313, p = 0.104, test bilatéral). Toutes les corrélations significatives sont restées significatives après l'inspection des intervalles de confiance BCa à 95%.

Tableau 5

Corrélations de Spearman et Pearson pour les variables GAIN, s-IAT, OGAS, le score WoW-SPUQ et BIS-11 pour le groupe de joueurs WoW, réparties en hommes et en femmes.

 GAINs-IATOGASSensationnel-
SPUQ		Total BIS-11BIS-11 attentionalMoteur BIS-11
Participants masculins
GAIN1      
s-IAT- 0.2961     
OGAS- 0.1050.776⁎⁎1    
WoW-SPUQ- 0.3130.688⁎⁎0.742⁎⁎    
Total BIS-110.0250.1970.2840.0231  
BIS-11 attentional0.054- 0.0110.019- 0.2190.658⁎⁎1 
Moteur BIS-11- 0.0380.1700.2310.1870.761⁎⁎0.2181
BIS-11 non planifié0.0330.2200.3120.0270.892⁎⁎0.451⁎0.521⁎⁎
 
Participantes
GAIN1      
s-IAT0.0261     
OGAS- 0.024- 0.0671    
WoW-SPUQ- 0.1990.1440.676⁎⁎    
Total BIS-110.0480.080- 0.614⁎- 0.1571  
BIS-11 attentional- 0.1390.194- 0.2600.0540.5041 
Moteur BIS-110.266- 0.013- 0.676⁎⁎- 0.3050.845⁎⁎0.1701
BIS-11 non planifié0.012- 0.1660.0570.2560.420- 0.2220.250
 

Pour les participants de sexe masculin, la corrélation entre le GAIN dans l'expérience et le score s-IAT a été testée unilatéralement.

n (hommes) = 28, n (hommes, BIS-11) = 27, n (femmes) = 16, n (femmes, BIS-11) = 15.

⁎⁎p <0.01.
⁎p <0.05.

3.2.2. Vérification de la manipulation de l'expérience «Devil's chest» comme mesure d'apprentissage implicite

Les résultats des mesures répétées ANOVA n'ont pas montré de différence moyenne significative entre le GAIN lors des 18 premiers et des 18 derniers essais de l'expérience «Devil's chest» dans le groupe des hommes (F (1, 38) = 1.949, p = 0.171; M1 = 232.56 et M2 = 218.21) et femelle (F (1, 37) = 0.594, p = 0.446; M1 = 221.18 et M2 = 209.87) témoins. Pour l'ensemble de l'échantillon de participants témoins, les résultats sont restés non significatifs (F (1,76) = 2.102, p = 0.151), alors que dans l'ensemble de l'échantillon de joueurs WoW, les résultats ont gagné en significativité (F (1,43) = 4.298, p = 0.044) (voir Fig. 3). Pour le groupe de joueurs masculins de WoW, la différence entre les essais 1–18 et 19–36 a atteint une signification (F (1,27) = 5.377, p = 0.028, M1 = 235.54 et M2 = 205.54; donc avec un résultat plus faible en M2 par rapport à M1), alors que pour les joueuses de WoW, il était non significatif (F (1,15) = 0.295, p = 0.595, M1 = 225.31 et M2 = 213.75).

 

Fig. 3

Moyennes et erreur standard pour le GAIN pendant les 18 premiers contre les 18 derniers essais de l'expérience «Devil's chest», pour les participants témoins (graphique de gauche) et les joueurs WoW (graphique de droite). MU = unités monétaires.

3.3. Discussion

Le but de l’étude 2 était de reproduire les résultats de la première étude en comparant les joueurs de WoW et les participants de contrôle. Les corrélations négatives entre les scores GAIN et s-IAT et WoW-SPUQ ne montrent une tendance à l’importance que dans le groupe des joueurs masculins de WoW. Cependant, le très petit échantillon de joueurs de WoW (n = 28) pourrait expliquer les effets les plus faibles. Le contrôle de manipulation n'a montré qu'une différence significative entre le GAIN dans le premier et les 18 derniers essais dans le groupe de joueurs masculins de WoW, où les participants ont montré des gains plus faibles dans la deuxième partie de l'expérience par rapport à la première partie. Nous rappelons au lecteur que les participants à l'étude 2 ont reçu le montant d'argent qu'ils ont gagné lors de l'expérience et qu'ils en étaient conscients avant de commencer l'expérience. Ainsi, dans ce cas, la motivation extrinsèque des participants aurait pu être plus élevée, par rapport à l'étude 1. En fait, en comparant les moyennes du GAIN entre les participants à la Gamescom et les joueurs masculins de WoW, il est évident que même si les joueurs de WoW l'ont fait pire dans la deuxième partie de l'expérience, par rapport à la première partie de l'expérience, ils ont quand même gagné plus au total que les hommes Tableau 1, Tableau 3: M = 413.61 pour les participants à la Gamescom et M = 443.04 pour les joueurs masculins de WoW). Ainsi, afin de contrôler un effet interférant potentiel de la motivation, nous avons effectué une analyse supplémentaire, en utilisant l'échelle unifiée de motivation-10 (UMS-10; ). Les données USM-10 étaient disponibles dans le cadre de la plus grande étude longitudinale.

3.3.1. Analyses complémentaires

En particulier, nous avons effectué une corrélation partielle avec la motivation à l 'atteinte des performances variable (UMS - 10; , L'alpha de Cronbach dans la présente étude était de 0.89), les scores s-IAT, WoW-SPUQ et le GAIN dans l'étude 2. L'association entre s-IAT et GAIN a augmenté de r = - 0.296, p = 0.063 (voir Tableau 5; test unilatéral) à r = - 0.322, p = 0.054 (test unilatéral). L'association entre WoW-SPUQ et GAIN a également augmenté de r = - 0.313, p = 0.104 (voir Tableau 5; test bilatéral) à r = - 0.354, p = 0.082 (test bilatéral). En ce qui concerne les joueuses WoW et les participantes témoins, les corrélations entre le s-IAT, le score WoW-SPUQ et le GAIN sont restées non significatives après contrôle de la motivation.

4. Etudier 3

L’étude 3 avait pour objectif de tester l’association entre PIU, IGD et impulsivité / prise de risque en utilisant à la fois des mesures expérimentales et des mesures autodéclarées.

4.1. Méthodes

4.1.1. Participants

Après l'exclusion de cinq participants avec des données manquantes et d'un participant en raison de réponses hors de la fourchette (par exemple, 200 h de jeux informatiques par semaine), l'échantillon de l'étude en cours a donné lieu à N = 94 participants (33 hommes). La plupart d'entre eux étaient des étudiants en psychologie à l'Université d'Ulm, Ulm, Allemagne. L'âge moyen de l'échantillon total était M = 23.48 (SD = 3.55). En ce qui concerne leur formation, 27% ont déclaré avoir un diplôme universitaire ou polytechnique, 67% ont déclaré avoir un diplôme de niveau A ou baccalauréat professionnel, 6% des participants (n = 6) n'ont pas répondu aux questions sur leur scolarité.

4.1.2. Les mesures

Le s-IAT (; L'Alpha de Cronbach dans le présent échantillon était de 0.81), l'OGAS (version modifiée du GAS par ; L'alpha de Cronbach dans l'échantillon actuel était de 0.81), BIS-11 (; L'Alpha de Cronbach dans l'échantillon actuel était de 0.80) et la prise de risque globale (The German Socio-Economic Panel, SOEP; ) ont été évalués. Les consistances internes pour les sous-échelles BIS-11 étaient les suivantes: impulsivité attentionnelle 0.70, impulsivité motrice 0.70 et impulsivité sans planification 0.39. De plus, l'expérience «Devil's chest» a été légèrement ajustée pour mesurer l'impulsivité / la prise de risque (par rapport aux études 1 et 2, ici, la position du «diable» a été complètement randomisée parmi tous les essais, ainsi, l'apprentissage n'était pas possible ). Ici, le nombre moyen de boîtes volontairement ouvertes par essai (MNOB) a été utilisé comme mesure de l'impulsivité / prise de risque. Ceci est conforme à l'étude de .

4.1.3. Procédure

Les questionnaires et l'expérience ont été complétés dans le même ordre que dans les études 1 et 2. Cependant, les participants ont rempli ici les questionnaires sur un écran d'ordinateur. Dans cette étude, les participants recevaient une compensation (bon d'achat Amazon ou crédits de cours) pour leur participation à l'étude, mais ils ne recevaient pas la somme d'argent particulière qu'ils avaient gagnée lors de l'expérience sur ordinateur. Les participants ont été informés de cette procédure avant la fin de l'expérience.

4.1.4. analyses statistiques

Les analyses statistiques ont été menées de manière analogue aux études 1 et 2.

4.2. Résultats

Il est à noter que les variables heures de jeu en ligne par semaine et le score OGAS n'étaient pas normalement distribuées. Les statistiques descriptives sont rapportées dans Tableau 6. Les participants avaient acquis une certaine expérience du jeu en termes d'expertise dans le jeu au cours des années, mais le temps réellement consacré au jeu en ligne est très faible. Analog pour étudier 2, nous avons comparé ici, si les participants hommes et femmes différaient en ce qui concerne les variables, décrites dans Tableau 6. Des différences significatives ont été observées avec les variables d’expertise de jeu (années) (U(33,61) = 385.0, p <0.001), heures de jeu en ligne par semaine (U(33,61) = 663.5, p <0.001), prise de risque (auto-évaluation) (U(33,61) = 732.0, p <0.05) et OGAS (U(33,61) = 562.5, p <0.001), où les hommes ont obtenu des scores plus élevés que les femmes.

Tableau 6

Moyennes, écarts-types (SD) et plage possible / réelle pour les variables expérience de jeu (années), heures de jeu par semaine, prise de risque (auto-évaluation), s-IAT, OGAS, BIS-11 et MNOB.

 MédianSDPlage possiblePlage réelle
Expertise de jeu (années)6.316.51-0-21
Heures de jeu en ligne par semaine0.561.86-0-15
Prise de risque (auto-évaluation)5.101.820-101-9
s-IAT22.995.7112-6012-42
OGAS8.002.057-357-18
Total BIS-1161.379.1730-12044-84
BIS-11 attentional16.543.478-3210-28
Moteur BIS-1121.684.3311-4414-35
BIS-11 non planifié23.153.4511-4417-32
MNOB4.900.790-103.22-7.5
 

4.2.1. Analyses de corrélation

L'âge était corrélé au score OGAS (ρ = 0.24, p <0.05). La corrélation entre MNOB et le score OGAS a également atteint une signification (ρ = 0.21, p <0.05). Après contrôle de l'âge, la corrélation entre MNOB et le score OGAS est passée à r = 0.37, p <0.01 (r = 0.45, p <0.05 chez les hommes et r = 0.28, p <0.05 chez les femmes). Toutes les autres corrélations sont présentées dans Tableau 7.

Tableau 7

Corrélations de Spearman et Pearson pour les variables MNOB, prise de risque (auto-évaluation), s-IAT, OGAS et BIS-11.

 MNOBPrise de risque (auto-évaluation)s-IATOGASTotal BIS-11BIS-11 attentionalMoteur BIS-11
MNOB1      
prise de risque (auto-évaluation)0.0861     
s-IAT0.115- 0.1241    
OGAS0.209⁎0.0920.235⁎1   
Total BIS-110.316⁎⁎0.458⁎⁎0.1500.283⁎⁎1  
BIS-11 attentional0.284⁎⁎0.1960.345⁎⁎0.296⁎⁎0.770⁎⁎1 
Moteur BIS-110.236⁎0.576⁎⁎- 0.0180.261⁎0.847⁎⁎0.443⁎⁎1
BIS-11 non planifié0.257⁎0.299⁎⁎0.0750.1480.821⁎⁎0.487⁎⁎0.551⁎⁎
 

Remarque: les corrélations de Spearman sont décrites en italique.

⁎⁎p <0.01.
⁎p <0.05.

4.2.2. Contrôle de la manipulation de l'expérience «Devil's chest» comme mesure de l'impulsivité / prise de risque:

MNOB était positivement corrélé au score BIS-11 des participants (voir Tableau 7), la mesure actuelle est donc clairement associée à un comportement impulsif. Il n’existait pas de corrélation significative entre le MNOB et la mesure autodéclarée de la prise de risque globale (voir Tableau 7). Comme pour les études 1 et 2, nous avons comparé le GAIN dans les premier et dernier essais 18 afin d’exclure le rôle des effets d’apprentissage. Aucune différence significative n'a pu être trouvée chez les hommes (F(1,32) = 2.365, p = 0.134, M1 = 219.24 et M2 = 235.61) ou des participantes (F(1,60) = 0.155, p = 0.695, M1 = 224.02 et M2 = 220.57). Les résultats pour l'ensemble de l'échantillon n'ont pas non plus gagné en signification (F (1,93) = 265, p = 0.608) (voir Fig. 4).

 

Fig. 4

Moyennes et erreur standard pour le GAIN dans les 18 premiers essais par rapport au GAIN dans les 18 derniers essais de l'expérience «Devil's chest». MU = unités monétaires.

5. Discussion générale

Ci-après, un résumé des résultats des études 1, 2 et 3 est présenté, ainsi qu'une discussion sur leur contribution au domaine.

Dans l'étude 1, des scores s-IAT plus élevés étaient associés à une performance inférieure à la tâche d'apprentissage implicite chez les participants de sexe masculin, avec une prédisposition à l'IGD. Le score OGAS des participants, cependant, n'était pas significativement associé à la variable GAIN (bien qu'il y ait eu une tendance à la signification). Dans l’étude 2, nous avons cherché à reproduire les résultats de l’étude 1 dans un groupe de joueurs de WoW et de participants de contrôle. Ici, le sexe des participants a également été pris en compte. Les scores s-IAT élevés, ainsi que les scores élevés WoW-SPUQ ont montré une tendance à un faible GAIN dans l'expérience uniquement dans le groupe des joueurs de WoW masculins (r = - 0.322, p = 0.054, test unilatéral et r = - 0.354, p = 0.082, test bilatéral, respectivement). Le score OGAS n'était encore une fois pas lié au GAIN dans aucun des groupes. Dans l'étude 3, dans un échantillon d'étudiants, la mesure expérimentale de la prise de risque, MNOB, était positivement liée au score OGAS, mais pas au score s-IAT, après contrôle de l'âge.

En résumé, il semble que l’utilisation excessive d’Internet soit associée à des déficiences dans les capacités d’apprentissage implicites. Cette association a été observée avec les scores s-IAT et le score WoW-SPUQ, mais pas les scores OGAS dans la présente étude. La littérature existante fournit des résultats à la fois: des déficiences dans la prise de décision parmi les utilisateurs d’Internet problématiques (par exemple: ), ainsi que chez les joueurs excessifs en ligne (par exemple ). De plus, un nouveau modèle théorique I-PACE (Interaction personne-affect-cognition-exécution) a récemment été proposé par , qui met en évidence le rôle du fonctionnement exécutif réduit et de la prise de décision altérée pour le développement de la PIU spécifique. L'effet plus fort trouvé pour le score WoW-SPUQ, comparé au score OGAS, pourrait refléter le choix d'une mesure plus spécifique pour évaluer la dépendance à WOW. Cependant, des investigations supplémentaires sont nécessaires.

Le fait que l'association entre la PIU et la capacité d'apprentissage implicite réduite dans la présente étude concerne uniquement le groupe de participants de sexe masculin atteints de (prédisposition à) IGD (étude 1 et 2) pourrait aider à expliquer davantage les résultats contradictoires sur la relation entre prise de décision et PIU dans la littérature (par exemple , ). Cette association semble cependant plausible, car des études suggèrent que l’IGD est avant tout une dépendance masculine (par exemple ).

Considérant Hypothèse 3, certaines associations significatives ont pu être trouvées entre l’impulsivité, mesurée avec BIS-11, et PIU / IGD (études 2 et 3), ce qui est cohérent avec les résultats de la littérature (par exemple: ). Alors que la mesure d'auto-évaluation de la prise de risque (SOEP) n'était liée à PIU / IGD dans aucune des études, la mesure expérimentale de la prise de risque / impulsivité était associée au score OGAS (étude 3), mais pas au Score s-IAT. Cette différence particulière pourrait être due à des problèmes concernant la fiabilité des mesures. Alors que la prise de risque autodéclarée a été évaluée avec un seul élément, la mesure expérimentale de la prise de risque devrait fournir des données objectives et fiables. En ce qui concerne l'association entre MNOB et le score OGAS, l'expérience de la poitrine du diable (version 2, où les boîtes ont été complètement randomisées sur les 36 essais) pourrait couvrir un côté plus spécifique de l'impulsivité (comme la prise de risque), qui caractérise mieux l'IGD que la PIU généralisée. cependant, n'a montré aucune différence dans la prise de risque (mesurée avec le BART) entre les sujets accro à Internet ayant une tendance à l'IGD et les participants témoins. Ainsi, cette association nécessite des recherches plus approfondies.

Le contrôle de manipulation de l'expérience «Devil's chest» pour mesurer l'apprentissage implicite a réussi dans l'étude 1, ainsi, nous supposons que les participants pourraient implicitement extraire et apprendre des stratégies pour gagner plus d'argent tout au long de l'expérience. Cependant, dans l'étude 2, aucune différence significative n'a pu être observée entre le gain dans les essais 1–18 et 19–36 à l'exception du groupe de joueurs masculins de WoW, où les participants ont montré des gains plus faibles dans la deuxième partie de l'expérience. Ici, nous avons montré dans des analyses supplémentaires qu'après contrôle de la motivation à la réussite, l'association négative entre GAIN et le score s-IAT / WOW-SPUQ s'est renforcée. Par conséquent, nous suggérons que dans l'étude 2, l'effet d'apprentissage implicite a été éclipsé par les effets de la motivation à la réussite, puisque les participants ont été payés le montant d'argent qu'ils ont gagné dans l'expérience. À ce stade, il convient de noter que l'UMS-10 mesure la motivation pour la réalisation d'un trait, donc la tendance à être motivé vers de plus grandes réalisations en général, et non un état, donc, la motivation de gagner plus dans cette expérience particulière. Cependant, en contrôlant la motivation de réalisation de l'UMS-10, nous avons considéré le rôle des différences individuelles dans la motivation des traits pour la performance dans la tâche thoracique du diable au sein de l'échantillon.

La validation de la deuxième version de l'expérience «Devil's chest» pour mesurer la prise de risque / l'impulsivité, a montré que le nombre moyen de boîtes volontairement ouvertes (MNOB) n'était pas significativement lié à l'auto-évaluation de la prise de risque. Cela pourrait être dû au fait que le SOEP évalue la prise de risque générale avec un seul élément, ce qui à son tour pourrait avoir une influence négative sur sa fiabilité. Cependant, le MNOB était associé au score total BIS-11, ainsi qu'aux sous-échelles de l'impulsivité attentionnelle, motrice et non planifiante. Ces résultats sont cohérents avec les études de validation sur des mesures comportementales similaires de la prise de risque comme le BART ().

Dans ce qui suit, nous discuterons de certaines des forces et des limites de la recherche présentée. L’un des atouts de la présente enquête est que le rôle du genre a été pris en compte. Même si les différences entre les sexes ont été décrites dans le contexte d’IGD et de PIU (), peu d’enquêtes ont particulièrement évalué le rôle du genre lorsqu’on a examiné l’association entre PIU / IGD et apprentissage implicite / prise de risque, comme dans la présente étude. De plus, dans l'étude 2, le groupe de joueurs WoW a été recruté en utilisant des critères stricts et non en appliquant simplement une valeur seuil dans un questionnaire d'auto-évaluation tel que l'OGAS. L'utilisation d'une valeur seuil est problématique, car bon nombre des seuils utilisés dans les études sont parfois choisis de façon arbitraire et n'ont pas été validés de manière appropriée dans un contexte clinique. Enfin, dans les études 1 à 3, nous avons évalué à la fois la PIU et l’IGD, ce qui permet d’examiner plus en détail les similitudes et les caractéristiques uniques des deux troubles.

Les limites comprennent le faible nombre de participants par groupe, en particulier dans l'étude 2, et le faible âge des participants. Ainsi, les études futures devraient examiner des échantillons plus représentatifs. Deuxièmement, un groupe de comparaison d'utilisateurs excessifs d'Internet, qui n'étaient pas des joueurs de WoW, n'a pas été inclus. De plus, les résultats de l'étude sont basés sur des analyses corrélationnelles, donc aucune interprétation de la causalité n'est possible.

6. Conclusion

En résumé, nous avons pu montrer que la PIU est fortement associée à de faibles capacités d'apprentissage implicites chez les joueurs masculins (WoW). Cette découverte a pu être observée dans deux échantillons indépendants de la présente étude. En outre, une association un peu plus faible entre WOW-SPUQ et un apprentissage implicite déficient a pu être observée dans le groupe de joueurs de WoW masculins. De plus, les scores les plus élevés sur le système OGAS étaient associés à des tendances plus élevées en matière de comportement à risque dans l'étude 3. L’effet sexospécifique dans les études 1 et 2 a également été examiné dans l’étude.

Rôle des sources de financement

Christian Montag reçoit une subvention Heisenberg de la Fondation allemande de recherche (MO 2363 / 3-1). En outre, la présente étude est financée par une subvention de recherche sur la dépendance à Internet et aux jeux informatiques attribuée à Christian Montag par la Fondation allemande de recherche (MO 2363 / 2-1). La Fondation allemande de recherche n'a joué aucun rôle dans la conception, la collecte, l'analyse et l'interprétation des données, dans la rédaction du manuscrit ou dans la décision de soumettre le document pour publication.

Contributeurs

CM et RS ont conçu l'étude. RS, BL et CM ont recruté et testé les participants. RS a effectué les analyses et rédigé le manuscrit. BL a vérifié les analyses statistiques et examiné le manuscrit. SM a programmé les tâches expérimentales (versions 1 et 2) et a fourni un retour complet sur le manuscrit, après l'avoir examiné. MR a examiné les manuscrits de manière critique. Tous les auteurs ont contribué et approuvé le manuscrit final.

Remerciements

Nous remercions Ralf Reichert de Turtle Entertainment de nous avoir donné la chance de mener notre expérience à la GamesCom 2013. Cependant, Turtle Entertainment n’a réalisé aucun bénéfice ni n’a influencé l’exécution de l’étude.

Nous voudrions également remercier Maximilian Sieber et Otilia Pasnicu, qui ont recruté et testé les participants pour l’étude 3 dans le cadre de leur thèse de Bachelor.

Notes

1Tout au long du présent document, nous utiliserons le terme utilisation problématique d'Internet (PIU) comme substitut de la dépendance à Internet, car il n'existe actuellement aucun diagnostic officiel dans le DSM-5 et le CIM 10. Comme le trouble du jeu sur Internet (IGD) est inclus dans l’annexe du DSM-5, ce terme sera utilisé comme synonyme de dépendance au jeu en ligne. Veuillez noter que toutes les études que nous citons dans le présent article ne portent pas sur l’IGD, en utilisant les critères proposés dans le DSM-5.

2Il est à noter que la boîte «diable» n'était pas programmée pour apparaître en position 1, car cela aurait mis fin à l'essai en cours sans donner aux participants la possibilité de choisir s'ils souhaitaient procéder en ouvrant une autre boîte.

Bibliographie

  • Association américaine de psychiatrie. Manuel diagnostique et statistique des troubles mentaux 5th ed., (Texte rev., Récupéré en septembre 7th, 2016). http://www.dsm5.org/Pages/Default.aspx
  • Bechara A., Dolan S., N. Denburg, Hindes A., Anderson SW, Nathan PE Déficits décisionnels liés au cortex préfrontal ventromédial dysfonctionnel, révélés par des abuseurs d'alcool et de stimulants. Neuropsychologia. 2001;39 (4): 376 – 389. [PubMed]
  • Marque M., Labudda K., Markowitsch HJ Corrélats neuropsychologiques de la prise de décision dans des situations ambiguës et à risque. Les réseaux de neurones. 2006;19(8):1266–1276. [PubMed]
  • Brand M., Young KS, Laier C., Wölfling K., Potenza MN Intégration des considérations psychologiques et neurobiologiques concernant le développement et le maintien de troubles spécifiques de l'utilisation d'Internet: modèle d'interaction personne-affect-cognition-exécution (I-PACE) . Revues neuroscientifiques et biocomportementales. 2016;71: 252 – 266. [PubMed]
  • Cao F., Su L., Liu T., Gao X. La relation entre l'impulsivité et la dépendance à Internet chez un échantillon d'adolescents chinois. Psychiatrie européenne. 2007;22 (7): 466 – 471. [PubMed]
  • Davis RA Un modèle cognitivo-comportemental de l'utilisation pathologique d'Internet. Ordinateurs dans le comportement humain. 2001;17 (2): 187-195.
  • Eisenegger C., Knoch D., RP Ebstein, Gianotti LR, Sándor PS, Fehr E. Récepteur de la dopamine D4 polymorphisme prédit l'effet de la L-DOPA sur le comportement de jeu. Psychiatrie biologique. 2010;67(8):702–706. [PubMed]
  • Epstein S. Self-théorie cognitive expérientielle de la personnalité. Dans: Millon T., Lerner MJ, rédacteurs. Manuel de psychologie. 5th ed. Wiley; Hoboken: 2003. pp. 159 – 184.
  • Internet live stats Utilisateurs Internet dans le monde. 2016. http://www.internetlivestats.com/internet-users/ Extrait le 7th de septembre de.
  • Ko CH, Yen JY, Chen Chen, SH Chen, Yen CF Différences de genre et facteurs connexes affectant la dépendance au jeu en ligne chez les adolescents taïwanais. Le journal des maladies nerveuses et mentales. 2005;193(4):273–277. (doi:00005053-200504000-00008 [pii]) [PubMed]
  • Ko CH, Hsiao S., Liu G., Yen J., Yang M. et Yen C. Les caractéristiques de la prise de décision, le potentiel de prendre des risques et la personnalité des étudiants collégiaux ayant une dépendance à Internet. Recherche en psychiatrie. 2010;175(1):121–125. [PubMed]
  • Kreek MJ, Nielsen, DA, Butelman, ER, LaForge, KS Influences génétiques sur l'impulsivité, la prise de risque, la réactivité au stress et la vulnérabilité à l'abus de drogues et à la toxicomanie. Nature Neuroscience. 2005;8(11):1450–1457. [PubMed]
  • Laier C., Pawlikowski M., Brand M. Le traitement des images sexuelles interfère avec la prise de décision dans l'ambiguïté. Archives du comportement sexuel. 2014;43(3):473–482. [PubMed]
  • Lee HW, Choi J., Shin Y., Lee J., Jung HY, Kwon JS Impulsivité dans la dépendance à Internet: comparaison avec le jeu pathologique. Cyberpsychologie, comportement et réseautage social. 2012;15(7):373–377. [PubMed]
  • Lejuez CW, Read JP, Kahler CW, Richards JB, Ramsey SE, Stuart GL,… Brown RA Évaluation d'une mesure comportementale de la prise de risque: La tâche de risque analogue du ballon (BART) Journal of Experimental Psychology: Applied. 2002;8(2):75–84. [PubMed]
  • Lemmens JS, PM de Valkenburg, Peter J. Développement et validation d'une échelle de dépendance au jeu pour les adolescents. Psychologie des médias. 2009;12(1):77–95.
  • Miles J., Shevlin M. Sage; 2001. Application de la régression et de la corrélation: guide à l’intention des étudiants et des chercheurs.
  • Moeller FG, ES Barratt, DM Dougherty, JM Schmitz, Swann AC. Aspects psychiatriques de l'impulsivité. American Journal of Psychiatry. 2001;158(11):1783–1793. [PubMed]
  • Montag C., Bey K., Sha P., Li M., Chen Y., Liu W.,… Keiper J. Est-il utile de distinguer entre la dépendance à Internet généralisée et spécifique? Résultats d'une étude multiculturelle menée en Allemagne, en Suède, à Taiwan et en Chine. Psychiatrie Asie-Pacifique. 2015;7(1):20–26. [PubMed]
  • Patton JH, Stanford MS Structure factorielle de l'échelle d'impulsivité de barratt. Journal de psychologie clinique. 1995;51(6):768–774. [PubMed]
  • Pawlikowski M., Brand M. Jeu excessif sur Internet et processus décisionnel: les joueurs de World of Warcraft excessifs ont-ils des problèmes de prise de décision dans des conditions risquées? Recherche en psychiatrie. 2011;188(3):428–433. [PubMed]
  • Pawlikowski M., Altstötter-Gleich C., Brand M. Validation et propriétés psychométriques d'une version courte du test de dépendance à Internet de Young. Ordinateurs dans le comportement humain. 2013;29(3):1212–1223.
  • Peters CS, Malesky LA, Jr. Utilisation problématique parmi les joueurs très engagés de jeux de rôle en ligne massivement multijoueurs. Cyberpsychologie et comportement. 2008;11(4):481–484. [PubMed]
  • Rumpf H., Meyer C., A. Kreuzer, John U., Merkeerk G. Vol. 31. 2011. Prävalenz der internetabhängigkeit (PINTA). Bericht an Das Bundesministerium Für Gesundheit. Greifswald Und Lübeck. (12ff)
  • Schiebener J., Brand M. Prise de décision dans des conditions de risque objectives: examen des corrélats cognitifs et émotionnels, des stratégies, du traitement de la rétroaction et des influences externes. Examen de neuropsychologie. 2015;25(2):171–198. [PubMed]
  • Schoenbaum G., MR Roesch, Stalnaker TA Cortex orbitofrontal, prise de décision et toxicomanie. Tendances en neurosciences. 2006;29(2):116–124. [PubMed]
  • Schönbrodt FD, Gerstenberg FX Une analyse IRT de questionnaires sur les motivations: les échelles de motivation unifiées. Journal de recherche en personnalité. 2012;46(6):725–742.
  • Siedler T., J. Schupp, CK Spiess, GG Wagner. Le panel socio-économique allemand constitue un ensemble de données de référence. Schmollers Jahrbuch. 2008;129(2):367–374.
  • Stanford MS, Mathias CW, DM Dougherty, Lake SL, Anderson NE, Patton JH Cinquante ans de l’échelle d’impulsivité de Barratt: mise à jour et bilan. Personnalité et différences individuelles. 2009;47(5):385–395.
  • Sun D., Chen Z., Ma N., Zhang X., Fu X., Zhang D. Fonctions de prise de décision et d’inhibition de la réponse prépotente chez les utilisateurs excessifs d’Internet. Spectres du SNC. 2009;14(02):75–81. [PubMed]
  • Tao R., Huang X., Wang J., Zhang H., Zhang Y., Li M. Critères de diagnostic proposés pour la dépendance à Internet. Dépendance. 2010;105(3):556–564. [PubMed]
  • Yao Y., Chen P., Chen C., Wang L., Zhang J., Xue G.,… Fang X. L'absence d'utilisation de la rétroaction entraîne des déficits décisionnels chez les joueurs excessifs sur Internet. Recherche en psychiatrie. 2014;219(3):583–588. [PubMed]
  • Yao YW, Wang LJ, Yip SW, RP Chen, Li S., Xu J.,… Fang XY La prise de décision avec facultés affaiblies sous risque est associée à des déficits d'inhibition spécifiques au jeu chez les étudiants ayant un trouble du jeu sur Internet. Recherche en psychiatrie. 2015;229(1):302–309. [PubMed]
  • Young KS Psychologie de l'utilisation de l'ordinateur: XL. Utilisation addictive d'Internet: un cas qui casse le stéréotype. Rapports psychologiques. 1996;79(3):899–902. [PubMed]
  • Le jeune KS John Wiley & Sons; 1998. Pris dans le filet: Comment reconnaître les signes de la dépendance à Internet - et une stratégie gagnante pour la récupération.
  • Dépendance à Internet chez les jeunes KS: l'émergence d'un nouveau trouble clinique. Cyberpsychologie et comportement. 1998;1(3):237–244.