(CĒLOŅSAKARĪBA) Savstarpēja saikne starp interneta atkarību un ar tīklu saistītu nepareizu izziņu starp ķīniešu koledžas jauniešiem: gareniska šķērsgriezuma analīze (2017)

Piguo Han^1,2, Peng Wang¹, Qingnan Lin², Yu Tian¹, Fengqiang Gao^1* un Yingmin Chen^1*

• ¹Psiholoģijas skola, Shandong Normal University, Jinan, Ķīna
• ²Pirmsskolas izglītības departaments, Heze universitāte, Heze, Ķīna

Šajā pētījumā tika aplūkota savstarpējā saistība starp interneta atkarību (IA) un ar tīklu saistītu nepareizu izziņu (NMC) ķīniešu koledžās. Šandongas provincē Ķīnā tika veikts īstermiņa garengriezums ar 213 koledžas jaunpienācēju paraugu. Rezultāti atklāja, ka IA var ievērojami paredzēt NMC veidošanos un attīstību, un, kad ir konstatētas šādas nepareizas izziņas, tās var negatīvi ietekmēt studentu IA apmēru. Starp šiem diviem mainīgajiem lielumiem tika novērots apburtais cikls, kuram IA bija jutīga prioritāte attiecībās ar NMC. Šis pētījums arī noteica, ka attiecības starp šiem diviem mainīgajiem ir vienādas gan vīriešiem, gan sievietēm; tāpēc galīgo modeli, ko mēs izveidojām, var plaši pielietot Ķīnas koledžas jaunpienācējiem neatkarīgi no dzimuma. Izpratne par savstarpējām attiecībām starp šiem diviem mainīgajiem var palīdzēt iejaukšanās ietekmes novērtējumā studentu koledžas dzīves sākumā.

Ievads

Kopš tā sākuma 1990s internets pakāpeniski ir kļuvis par neatņemamu ikdienas dzīves sastāvdaļu Ķīnā, jo īpaši gados vecākiem 10 – 21 pusaudžiem (Daniel et al., 2012; Liu et al., 2012). Saskaņā ar 36th statistikas ziņojums par interneta attīstību Ķīnā, ko publicēja Ķīnas interneta tīkla informācijas centrs (CNNIC), pusaudžu interneta lietotāju skaits Ķīnā ir strauji pieaudzis no 120 miljoniem 2002 uz 287 miljoniem 2016 (Tian et al., 2017).

Internets ir devis daudzas priekšrocības, piemēram, uzlabota sociālā saikne un labklājība (Bessière et al., 2008; Young un de Abreu, 2011). Tomēr interneta atkarība (IA), ko raksturo pārmērīga vai piespiedu interneta izmantošana (Young et al., 1999; Shek et al., 2013; Yang et al., 2014) ir bijusi daudz negatīvu seku (Joseph et al., 2016). Vairāki pētījumi ir pierādījuši, ka IA var negatīvi ietekmēt fizisko un garīgo veselību.Ayas un Horzum, 2013; Georgios et al., 2014; Mike un Zhong, 2014). Piemēram, pusaudžiem ar IA parasti ir trauksme, depresija, vientulība, zems pašvērtējums un sliktas savstarpējās attiecības (Tokunaga un Rains, 2010; Georgios et al., 2014; Mike un Zhong, 2014), kas var negatīvi ietekmēt viņu labklājību (\ tTokunaga un Rains, 2010; Georgios et al., 2014; Mike un Zhong, 2014) un akadēmiskā attīstība (Chuang, 2006; Kim et al., 2008; Tsai et al., 2009; Ahmadi un Saghafi, 2013). Tāpēc, pētot IA, pusaudžiem ir izšķiroša nozīme izglītības un sociālajā jomā.

Saikne starp IA un NMC

Tika uzskatīts, ka ar tīklu saistītā nepareiza izzināšana (NMC) ieņem galveno lomu ietekmes novērtējumā (Li et al., 2013). Saskaņā ar kognitīvo-uzvedības modeli (Davis, 2001), psihopatoloģija (piem., depresija un sociālā trauksme) ir dinamisks nepieciešamais IA simptomu iemesls, kas pats par sevi nerada IA ​​simptomus. IA galvenie faktori ir NMC, kas ir pietiekami tuvi cēloņi (Daniel et al., 2012; Attēls 1). Daudzos pētījumos ir ziņots, ka distālā psihopatoloģija padara indivīdu jutīgu pret IA caur NMC (Kalkan, 2012; Mai et al., 2012; Li un Wang, 2013; Lu un Yeo, 2015). Piemēram, pētnieki pētīja būtiskās attiecības starp temperamentu (ti, piepūles kontroli, augstu sajūtu meklēšanu un augstu dispozīcijas dusmu vai vilšanos) un IA attīstību; rezultāti liecināja, ka daži temperamenti ietekmē IA līmeni, jo iedarbības temperaments ietekmē viņu uzvedību tiešsaistē (Zhang et al., 2015). Tian et al. (2017) ķīniešu izlasē pārbaudīja abpusējās asociācijas starp kautrību, nepareizu izziņu un vispārēju patoloģisku interneta lietošanu (GPIU). Rezultāti parādīja, ka šo mainīgo lielumu asociācijas ir dinamiskas un divvirzienu, un ka pieaugošās maladaptīvās izziņas laika gaitā divvirzienu starpā saista mulsums un GPIU. Turklāt citi pētījumi ir noteikuši, ka vecāku stils un salīdzinošās attiecības var izraisīt cilvēkus uz NMC, kas vēl vairāk ietekmētu IA līmeni.Li et al., 2013; Wang et al., 2015).

   

1 attēls. Patoloģiskā interneta lietošanas kognitīvās uzvedības modelis (Davis, 2001).

Turklāt daudzi citi pētījumi ir vērsti uz interneta spēļu atkarību un pētījuši tā saistību ar nepareizām izziņām. King un Delfabbro (2014) piedāvāja jaunu modeli, kas piedāvā teorētiskus skaidrojumus par interneta spēļu atkarības izcelsmi un patogenēziju. Autori identificēja četras nepareizas izziņas, kas balstītas uz interneta spēļu atkarību, proti, pārvērtēšana, nepareizas piemērošanas noteikumi, spēļu pašvērtējums un spēļu pieņemšana. Daži empīriski pētījumi arī atklāja, ka pusaudži ar interneta spēļu atkarības simptomiem ziņoja par ievērojami vairāk nepareizu izziņas nekā pusaudžiem bez šiem simptomiem (Zhou et al., 2012; Liu et al., 2014; King un Delfabbro, 2016). Peng un Liu (2010) ziņoja, ka piecu punktu skalas mērīšanas izziņas ievērojami paredzēja, ka interneta spēļu atkarība ir Ķīnas pieaugušajiem. Forrests et al. (2016) 465 Austrālijas pieaugušo izlasē pētīja nepareizas izziņas, kas saistītas ar problemātisku videospēļu spēlēšanu. Rezultāti atklāja, ka šīs problemātiskās izziņas mēreni korelēja ar ļoti lielu interneta spēļu atkarību. Forrests et al. (2017) izpētīja, vai nepareiza izzināšana varētu paredzēt nākotnes izmaiņas problemātiskajās videospēlēs, izmantojot 12 mēneša ilgstošo pētījumu. Rezultāti parādīja, ka kognitīvās pārmaiņas veidoja 28% no dispersijas lieluma problemātiskajos spēļu rezultātos, kas pārsniedz dzimumu, vecumu un spēļu biežumu.

Kaut arī vairāki pētījumi ir atklājuši NMC ietekmi uz IA, daži pētījumi pētīja IA iespējamo ietekmi uz NMC. Kognitīvās disonanses teorija (Festinger, 1957), kas galvenokārt attiecas uz to, kā cilvēki piedzīvo un reaģē uz domāšanas un uzvedības un domāšanas neatbilstībām, sniedz alternatīvu skaidrojumu par to, kā NMC attiecas uz IA. Kad cilvēki uzzina par neatbilstībām, viņi saskaras ar diskomfortu vai disonansi, kas liek centienus samazināt šīs pieredzes un atgūt konsekvenci, pielāgojot savu attieksmi, uztveri vai uzvedību, līdz šādas neatbilstības tiek atrisinātas (de Vries un Timmins, 2016). Saskaņā ar šo teoriju, kad cilvēki uzvedas pretrunā ar savām vērtībām, piemēram, piesakoties internetā, kad tas jau ir negatīvi ietekmējis viņu dzīvi, viņi piedzīvo disonansi nožēlu veidā; tas notiek ar personiskās atbildības sajūtu par viņu uzvedības negatīvajām sekām. Lielākā daļa cilvēku spēj veiksmīgi pielāgot savu uzvedību, lai mazinātu šo disonansu. Tomēr daži cilvēki var samazināt disonansu, mainot savu attieksmi pret internetu, tādējādi samazinot disonansi, vienlaikus saglabājot problemātisku uzvedību. Chiou un Wan (2007) pētīja šo procesu ar videospēļu spēlētāju paraugu. Rezultāti atklāja, ka spēlētāji, kuri jūtas atbildīgi par savu uzvedību, visticamāk, novirzīs savu attieksmi pret videospēlēm no pozitīvas uz negatīvu, bet spēlētāji, kuriem ir lielāks ieguldījums videospēļu spēlēšanā, mazāk izturas pret attieksmi un pretrunīgu uzvedību.

Ietekmes novērtējums koledžas studentu vidū

Dažādi pētījumi liecina, ka pusaudži veido lielāko daļu interneta lietotāju, un ka koledžas studenti ir īpaši neaizsargāti pret IA, jo viņiem ir viegla piekļuve internetam, elastīgi grafiki un mazāka spēja kontrolēt savu uzvedību (Shaw un Black, 2008; Fu et al., 2010; Georgios et al., 2014; Yang et al., 2014). Turklāt koledžas dzīves sākums ir attīstības periods studentiem pārejas laikā no relatīvi lielas paļaušanās uz starppersonu attiecībām (ne tikai ģimenes attiecībām, bet arī vienaudžu un citām sociālām attiecībām; Woodhouse et al., 2012). Iepriekšējie pētījumi liecina, ka nekontrolēta interneta izmantošana ir cieši saistīta ar ģimenes saziņas un uzraudzības samazināšanos (Van den Eijnden et al., 2010; Liu et al., 2012). Tādējādi starppersonu attiecību maiņa mēdz likt koledžas jauniešiem riskēt attīstīt IA (Zhang et al., 2014).

Turklāt jaunpienācējiem jānokārto virkne stingru eksāmenu, lai iegūtu uzņemšanu koledžā Ķīnā, un parasti viņiem nav pietiekami daudz laika pašrefleksijai augstskolas laikā. Tādējādi, saskaroties ar koledžas dzīvi, to trūkums studiju un starppersonu prasmju dēļ var likt viņiem sajaukt (Ni et al., 2009). Turklāt, pateicoties bagātīgajam brīvajam laikam un neierobežotai piekļuvei internetam, izmantojot dažādus bezvadu rīkus, koledžas jaunpienācēji mēdz tērēt daudz laika internetā, un tāpēc ļoti iespējams, ka šajā unikālajā periodā tie būs pakļauti IA simptomiem.Chen, 2012). Lai nodrošinātu profilakses un intervences stratēģijas ietekmes novērtēšanai, tika veikts īstermiņa ilgtermiņa pētījums koledžas pirmajā pusgadā.

Pašreizējais pētījums

Lai gan daudzi pētnieki ir pētījuši attiecības starp IA un NMC, lielākā daļa ir pieņēmušas šķērsgriezuma pieeju; tādējādi ir grūti noteikt abu šo mainīgo savstarpējo saistību (Joseph et al., 2016). Turklāt, lai gan studentu, kas izstrādā IA, iespējamība koledžas sākumā ir ievērojami augstāka (Li un Liang, 2007; Ni et al., 2009), iepriekšējo pētījumu dalībnieki parasti bija visu vecumu koledžas studenti, un skolēni pirmajā pusgadā ir iesaistīti retāk. Tāpēc šajā pētījumā tika pieņemta starpposma analīze, lai izpētītu attiecības starp IA un NMC studentu vidū koledžas dzīves pirmajā pusgadā. Saskaņā ar iepriekšējiem teorētiskajiem un empīriskajiem pētījumiem starp abiem mainīgajiem var pastāvēt savstarpēja saistība. Tāpēc mēs piedāvājām mijiedarbības modeli (1. attēls) 2) un pārbaudīja trīs hipotēzes par šo divu mainīgo attiecību.

   

2 attēls. Hipotezēts modelis.

H1. Pozitīvi un nozīmīgi šķērsošanas ceļi pastāv no IA līdz NMC, un NMC ir efektīvs ietekmes prognozētājs ķīniešu koledžās.

H2. Šķērsošanas ceļi no IA līdz NMC sasniedz ievērojamu līmeni, un IA līmenis negatīvi ietekmē NMC.

H3. Attiecības starp IA un NMC parasti var lietot vīriešiem un sievietēm.

Materiāli un metodes

Dalībnieki

Sākotnējais koledžas iesācēju skaits, kas bija pieejami dalībai, bija 300 dalībnieki, kuri visi bija uzņemti divās koledžās divās pilsētās (proti, Jinan un Heze) Shandong provincē, Ķīnā. Datu vākšana tika veikta 2015 (T1), 2 mēnešu vēlāk (T2) septembra sākumā un pēc tam 4 mēnešus vēlāk (T3). Pirmajā datu vākšanas kārtā visi šie 300 studenti pabeidza mērījumu. Tomēr turpmākajos viļņos 87 no šiem 300 studentiem atsauca vidū. Dalības trūkums bija saistīts ar prombūtni vai slimību (līdzdalības līmenis: 71.00%). Tāpēc 213 studenti palika galīgajā datu analīzē (104 vīrieši un 109 sievietes), vecumā no 17 līdz 21 gadiem (M = 18.87 gadi, SD = 0.76 gadi). Lai noskaidrotu, vai vidusceļu studentu dati (87 studenti) atšķīrās no tiem, kuri nav atsaukuši (213 studenti) attiecībā uz kādu no šajā pētījumā iekļautajiem mainīgajiem, virkne t- tika veikti, izmantojot datus, kas iegūti pirmajā datu vākšanas viļņā; neviena no šīm analīzēm nebija nozīmīga. Visiem šiem dalībniekiem bija pieredze internetā un tika iekļauti šajā pētījumā. Dalībnieki bija izmantojuši internetu vidēji 5.59 gados (SD = 2.06) koledžas dzīves sākumā. Informācija tika iegūta par studentu reģistrēto dzīvesvietu: 43.19% dzīvoja lielās pilsētās, 35.68% dzīvoja pilsētās, un 21.13% dzīvoja ciematos. Turklāt katram studentam tika izveidots fails (šie faili ietvēra viņu pamatinformāciju, kā arī fizisko un garīgo veselību), kad viņi iestājās koledžā. Saskaņā ar failiem nevienam no dalībniekiem nav psihisku vai neiroloģisku traucējumu. Šis pētījums tika veikts saskaņā ar Shandong Normal University ētisko vadlīniju un Helsinku deklarācijas ieteikumiem, rakstiski informējot visu dalībnieku piekrišanu. Protokolu apstiprināja Shandong Normal University cilvēka pētniecības ētikas komiteja.

Instruments

Interneta atkarība

Šis pētījums pieņēma pārskatīto Ķīnas interneta atkarības skalu (CIAS-R; Bai un Fan, 2005). CIAS-R satur 19 vienumus, kurus var iedalīt četros faktoros: kompulsīvā lietošana un atsaukšana (piemēram, „es jūtos nomākts laika periodā bez interneta piekļuves”), tolerance (piemēram, „man šķiet, ka jātērē arvien lielākas summas laiks tiešsaistē, lai justos apmierināti ”), laika pārvaldības problēmas (piemēram,„ Mana akadēmiskā vai darba izpilde negatīvi ietekmē manu interneta lietošanu ”), kā arī starppersonu un veselības problēmas (piemēram,„ es samazinu miega laiku, lai iegūtu vairāk laika tiešsaistē ”). Katra atbilde tika mērīta 4 punkta Likert tipa mērogā ar punktu skaitu no 1 (vispār nav taisnība) uz 4 (vienmēr ir taisnība). Tāpēc augstāki vidējie rādītāji ir augstāki IA rādītāji. Šī skala ir piemērota nesen veiktajos pētījumos par Ķīnas koledžas studentiem un pierādīja augstu uzticamību un derīgumu (Tian et al., 2015). Šajā pētījumā alfa skalas koeficienti bija 0.92 T1, 0.95 T2 un 0.91 T3.

Ar tīklu saistītā nepareiza izzināšana

Šajā pētījumā tika pieņemts Liang pārskatītais ar tīkliem saistītās pazemojošās izziņas skala; sākotnējā skala bija tiešsaistes izziņas skala, kas tika izstrādāta, pamatojoties uz Davisa ierosināto kognitīvo-uzvedības modeli (Tian et al., 2015). Pārskatītā skala satur 14 vienumus, kurus var iedalīt trīs faktoros: interneta komforts (piem., “Es saņemu lielāku cieņu tiešsaistē nekā“ reālajā dzīvē ”), samazināta impulsu kontrole (piemēram,„ Kad es esmu internetā, es bieži esmu jūtaties kā “ātrs” vai emocionāls augstums ”) un uzmanību (piemēram,„ Interneta izmantošana ir veids, kā aizmirst par lietām, kas man jādara, bet tiešām nevēlos to darīt ”). Dalībnieki novērtēja, cik patiesais katrs paziņojums bija 5-punkta Likert tipa mērogā, ar punktu skaitu no 1 (vispār nav taisnība) uz 5 (vienmēr ir taisnība). Tādējādi augstāki vidējie rādītāji atspoguļo augstāku NMC līmeni attiecībā uz interneta lietošanu. Šī skala ir piemērota iepriekšējos pētījumos par Ķīnas koledžas studentiem (Tian et al., 2015, 2017). Šajā pētījumā alfa skalas koeficienti bija 0.87 T1, 0.90 T2 un 0.90 T3.

Statistiskā analīze

Šajā pētījumā mēs izmantojām pilnīgi atšķirīgu paneļu dizainu, lai pārbaudītu vienvirziena un divvirzienu attiecības starp IA un NMC ķīniešu koledžās (Van Lier et al., 2012). Vispārējais modelis sastāvēja no IA un NMC mērījumiem T1, T2 un T3. Mēs piedāvājām un pārbaudījām četrus modeļus, kas atspoguļo iespējamos mehānismus starp diviem mainīgajiem. Pirmkārt, mēs piedāvājām „stabilitātes modeli” (1 modelis, 2. attēls) 3), kas ietvēra tikai pārrobežu stabilitātes efektus. Otrkārt, kognitīvais-uzvedības modelis (modelis 2, attēls 3) tika ierosināts pārbaudīt, vai NMC vienā laika punktā varētu prognozēt IA nākamajā laika punktā. Treškārt, mēs piedāvājām „uzvedības-kognitīvo modeli” (modelis 3, attēls 3) pārbaudīt, vai IA vienā laika punktā varētu paredzēt NMC šādā laika punktā. Visbeidzot, mēs piedāvājām „savstarpējas cēloņsakarības modeli” (4 modelis 3), kas izpētīja savstarpējo ietekmi starp IA un NMC. Turklāt tika veikta daudzgrupu analīze, kas balstīta uz dzimumu, lai noskaidrotu, vai attiecības starp abiem galvenajiem mainīgajiem lielumiem vīriešiem un sievietēm atšķiras.

   

3 attēls. Rezultāti, kas iegūti, veicot analīzi, kas iegūta, izmantojot atšķirības. Vienas bultiņas līnijas attēlo ceļa koeficientus un divvirzienu līnijas attēlo kovariārus. Sadalītās līnijas norāda uz nenozīmīgiem koeficientiem, un cietās līnijas norāda uz nozīmīgiem koeficientiem. ^∗∗∗rādītājs ir nozīmīgs 0.001 līmenī, ^∗∗norāda koeficientu, kas ir nozīmīgs 0.01 līmenī, un ^∗rādītājs ir nozīmīgs 0.05 līmenī.

Lai pārbaudītu hipotēzes modeli šajā pētījumā, tika izmantota strukturālās vienādojumu modelēšana ar latentiem mainīgajiem. Saskaņā ar Holbert un Stephenson (2002), modeļa piemērotības labums tika novērtēts, izmantojot dažādus rādītājus. Χ² novērtējums ar brīvības pakāpēm joprojām ir visbiežāk izmantotais veids, kā veikt salīdzinājumus dažādos modeļos. Attiecība starp χ² un brīvības pakāpēm nevajadzētu pārsniegt 5 modeļiem ar labu piemērotību. Bez tam, mēs ziņojām par salīdzinošo fit indeksu (CFI) kopā ar Tucker-Lewis indeksu (TLI) un vidējo kvadrāta kļūdu tuvināšanā (RMSEA). Kopumā CFI un TLI vērtības 0.95 vai augstāk atspoguļo labu derīgumu un RMSEA vērtības, kas ir zemākas par 0.06, norāda uz lielisku piemērotību, bet vērtības starp 0.06 un 0.08 norāda uz labu piemērotību (Yuan et al., 2014). Turklāt χ² atšķirības tests (Δχ²) tika izmantots, lai salīdzinātu ligzdoto modeļu piemērotību. Nozīmīgs Δχ² tests norāda, ka abi modeļi nodrošina vienādu atbilstību datiem, bet nozīmīgs Δχ² ierosina saglabāt mazāk ierobežoto modeli (Tian et al., 2017).

rezultāti

Aprakstoša analīze

Galvenie mainīgie lielumi šajā pētījumā ir atspoguļoti tabulā 1. Atkārtoti pasākumi ANOVA tika veikti, lai izpētītu dzimuma un mērīšanas laika ietekmi uz dalībnieku IA un NMC (“dzimums” ir starp-subjektu mainīgais, un “mērīšanas laiks” ir subjektiem mainīgais). Rezultāti neatklāja būtiskas atšķirības starp dzimumiem divu atkarīgo mainīgo izteiksmē (F = 0.10, p = 0.749; F = 0.02, p = 0.822). Laika gaitā IA līmenis ievērojami palielinājās no T1 līdz T3 starp koledžas jauniešiem (F = 28.71, p <0.001). Rezultāti a post hoc tests liecināja, ka IA līmenis, mērot T3, bija ievērojami lielāks nekā T2 (p <0.01) un T1 (p <0.001) un ka T2 laikā izmērītais IA līmenis bija ievērojami augstāks nekā T1 (p <0.001). Turklāt, mērot dažādos laikos, NMC pastāvēja būtiskas būtiskas atšķirības (F = 2.93, p = 0.055). Rezultāti post hoc testā atklājās, ka T3 mērītais IA līmenis bija ievērojami augstāks nekā T1 (p <0.05), un ka NMC pastāvēja būtiskas būtiskas atšķirības, mērot pie T1 un T2 (p = 0.065). Tomēr NMC, ja to mērīja ar T2 un T3, nav būtiskas atšķirības.p = 0.846). Mijiedarbība starp dzimumu un mērījumu laiku abos mainīgajos lielumos nesasniedza ievērojamu līmeni (F = 0.38, p = 0.682; F = 0.24, p = 0.791).

   

1 TABULA. IA un NMC aprakstošā statistika (n = 213).

Kā parādīts tabulā 2, divpakāpju korelācijas starp IA un NMC T1, T2 un T3, kā arī visas savstarpējās starpības starp abiem mainīgajiem lielumiem bija nozīmīgas un pozitīvas, liecinot par pozitīvu attiecību starp IA un NMC.

   

2 TABULA. Korelācijas starp IA un NMC (n = 213).

Starp IA un NMC savstarpēji saistītās attiecības

Tika noteikta virkne savstarpēji nesaistītu modeļu, lai pārbaudītu savstarpējās attiecības starp IA un NMC. Pirmkārt, bāzes modelis (modelis 1, attēls 3) tika precizēts; šajā modelī tika novērtēti IA un NMC stabilitātes koeficienti, bet netika novērtētas starp šīm divām mainīgajām ietekmēm. Modeļa piemērotība bija pieņemama 3). Otrkārt, lai pārbaudītu iepriekš aprakstīto kognitīvās uzvedības modeli, bāzes līnijas modelim tika pievienoti šķērsošanas ceļi no NMC līdz IA (modelis 2, attēls 3), kas uzlaboja modeli lielā mērā (tabula Nr. \ t 3). Χ² atšķirības pārbaude atklāja, ka modelis 2 uzrādīja labāku atbilstību datiem nekā modelis 1 (Δχ² = 27.05, Δdf = 2, Δχ²/ Δdf = 13.53> 6.63) (Wen et al., 2006). Saskaņā ar 2 modeli standartizētie ceļa koeficienti bija 0.10 (p = 0.309) NMC, mērot T1 līdz IA, mērot T2, un 0.36 (p <0.001) NMC, mērot pie T2, līdz IA, mērot pie T3. Treškārt, lai pārbaudītu, vai IA vienā brīdī var paredzēt NMC nākamajā laika posmā, bāzes modelim tika pievienoti šķērsām aizkavētie ceļi no IA līdz NMC (3. modelis, attēls 3). Rezultāts parādīja, ka tika panākta laba modeļa atbilstība 3). Χ² atšķirības pārbaude parādīja, ka 3 modelis uzrādīja augstāku atbilstību datiem nekā modelis 1 (Δχ² = 47.20, Δdf = 2, Δχ²/ Δdf = 23.60> 6.63). Saskaņā ar 3. modeli standartizētie ceļa koeficienti bija 0.44 (p <0.001) IA, mērot pie T1, līdz NMC, mērot T2, un 0.50 (p <0.001) IA, mērot pie T2, līdz NMC, mērot pie T3. Tas norāda, ka IA vienā brīdī bija efektīvs NMC prognozētājs nākamajā laika posmā un ka divu ceļu pievienošana modelim varētu ievērojami uzlabot modeļa piemērotību. Ceturtkārt, 4. modelis tika noteikts gan ar stabilitātes koeficientiem, gan ar šķērsām atpalikušo efektu starp IA un NMC (4. modelis, attēls 3). Modelis atbilst datiem pietiekami (Tab. \ T 3). Tomēr modeļi 3 un 4 ir ligzdoti, un χ² atšķirības tests liecināja, ka abi modeļi ir vienādi labi darbojušies (Δχ² = 11.69, Δdf = 2, Δχ²/ Δdf = 5.85 <6.63). Visbeidzot, kā parādīts 4. modelī, izņemot NMC standartizētos ceļa koeficientus, kas izmērīti no T1 līdz IA, mērot pie T2, pārējie šķērsotie ceļi starp IA un NMC sasniedza ievērojamu līmeni. Tāpēc mēs izdzēsām šo ceļu un izstrādājām 5. modeli. Modelis pietiekami atbilst datiem (tabula XNUMX) 3). Līdz ar to 5 modelis tika saglabāts kā galīgais analīzes modelis šādu iemeslu dēļ: (1) Lai gan abi modeļi bija vienādi labi (Δχ² = 0.21, Δdf = 1, Δχ²/ Δdf = 0.21 <6.63), 5. modelis ir vienkāršāks un vienkāršāks nekā 4. modelis, un analīzei jāizvēlas mazāk parametru. (2) χ² atšķirības pārbaude parādīja, ka modelis 5 uzrādīja labākus rezultātus nekā 3 modelis (Δχ² = 11.48, Δdf = 1, Δχ²/ Δdf = 11.48> 6.63), un standartizētais ceļa koeficients bija 0.25 (p <0.001) NMC, mērot pie T2, līdz IA, mērot pie T3. Tas ir, pastāv liela iespēja, ka NMC, kas izmērīts pie T2, var paredzēt IA, kas izmērīts pie T3.

   

3 TABULA. Dažādu modeļu salīdzinājumi.

Dzimumu atšķirības

Lai noskaidrotu, vai atšķirības starp IA un NMC atšķiras starp vīriešiem un sievietēm, mēs veicām daudzgrupu analīzi. Vispirms mēs novērtējām vīriešiem piemērotu modeli (M_vīrietis) un sievietēm (M_sieviete) atsevišķi, un piemērotības rādītāji bija piemēroti abiem apakšparaugiem (tabula Nr. \ t 4). Pēc tam tika pārbaudīta mērījumu invariancija, lai noteiktu, vai abi mainīgie ir vienādi izmērīti vīriešiem un sievietēm. Pilnībā neierobežotā mērīšanas modelī (M₁), visiem parametriem tika atļauts mainīties abās grupās. Tika sasniegts pieņemams modelis un pilnībā ierobežots mērīšanas modelis (M₂) tika analizēta, kurā visi parametri tika noteikti vienādi abām grupām; modelis atbilst datiem pietiekami (Tab. \ t 4). Χ² atšķirības tests liecināja, ka abi modeļi ir vienādi labi darbojušies (Δχ² = 6.50, Δdf = 15, p = 0.970).

   

4 TABULA. Daudzgrupu analīze vīriešiem un sievietēm.

Lai pievērstos šīs pētījuma daļas pētījuma mērķim, mēs veicām daudzgrupu analīzi pēc koledžas studentu dzimuma. Tika pārbaudīti trīs parametri, lai noskaidrotu, vai tie atšķiras starp dzimumiem: stabilitātes koeficienti, šķērsotie ceļa koeficienti un kovariācijas starp IA un NMC. Ierobežots modelis (M₃) tika precizēts, kur visi trīs parametri abās grupās bija identiski; šis modelis sasniedza apmierinošu modeli. \ t 4). Χ² atšķirības tests liecināja, ka šis modelis atbilst datiem, kas ir pietiekami, kā pilnībā neierobežots modelis (Δχ² = 1.78, Δdf = 7, p = 0.996), norādot, ka kopējais ceļu modelis bija nemainīgs starp vīriešiem un sievietēm.

diskusija

Šis pētījums bija saistīts ar paneļu aptaujas veikšanu, lai izpētītu savstarpējās attiecības starp IA un NMC starp ķīniešu koledžiem. Saskaņā ar kognitīvo-uzvedības modeli (Davis, 2001), starp abiem mainīgajiem var pastāvēt savstarpēja saistība, un NMC ir iespējams IA prognozētājs. Tomēr šī hipotēze nebija pilnībā atbalstīta. Pirmajos pētījuma 2 mēnešos nenovēroja NMC paredzamo ietekmi uz IA; tas neatbilst iepriekšējā pētījuma rezultātiem (Tian et al., 2015). Konkrēti, NMC nešķiet būtisks nosacījums IA radīšanai. Šis rezultāts, iespējams, ir saistīts ar pašreizējā pētījuma dalībniekiem. Šajā pētījumā aptaujas dalībnieki bija ķīniešu koledžas jaunieši, kuri nesen pabeidza stingru ieejas eksāmenu, proti, „Gaokao”. Lai iegūtu uzņemšanu koledžā, studentiem ir jāpieliek lielas pūles pamatizglītības un vidējās izglītības laikā; līdz ar to tikai dažiem no viņiem ir pietiekami daudz laika, lai izmantotu internetu (Li un Liang, 2007). Tāpēc NMC līmenis bija viszemākais, ja dalībnieki tika uzņemti koledžā, kas varētu būt novērsuši būtisku ietekmi uz IA radīšanu. Koledžas laikā daudzi citi faktori var izraisīt cilvēku atkarību no interneta. Piemēram, interneta sniegtās neverbālās un demogrāfiskās norādes anonimitāte un trūkums var dot labumu studentu labklājībai, piedāvājot atbrīvojumu no emocionālās ciešanas (Caplan un Turner, 2007) un palielinot izpratni par sociālo atbalstu un pašcieņu (Kraut et al., 2002), kā arī paplašināt starppersonu attiecību klāstu (Cotten, 2008). Turklāt personības iezīmes šajā periodā var būtiski ietekmēt ietekmes novērtējumu (Mike et al., 2014). Piemēram, cilvēki ar lielu spēju kontroles spēju bija efektīvāki, lai apspiestu impulsīvus aktus, kad kārdināts ar internetu, kā minēts iepriekš. Turpretī cilvēki ar augstu jutīguma līmeni bija vairāk pakļauti attīstīt atkarību izraisošu uzvedību (Zhang et al., 2015). Tomēr pēc iestāšanās koledžā ievērojami samazinājās Ķīnas jaunpienācēju akadēmiskais stress, un viņiem bija vairāk laika izmantot internetu (Li un Liang, 2007). Tādējādi viņi varēja pakāpeniski attīstīt dažādas kognitīvās atbildes uz internetu, izmantojot savas pieredzes vai pieredzes apmaiņu, kas tādējādi ietekmēja to IA līmeni (Wang et al., 2015).

Saskaņā ar kognitīvo-uzvedības modeli (Davis, 2001), IA varētu negatīvi ietekmēt NMC (Caplan, 2010). Tomēr ir veikti daži empīriski pētījumi, lai pārbaudītu šo hipotēzi, un daži pētnieki ir ierosinājuši teorijas, lai izskaidrotu šo parādību. Tomēr pašreizējā pētījuma empīriskie pierādījumi liecina, ka IA attiecībās ar NMC bija paredzama prioritāte, kas varētu ietekmēt gan NMC veidošanos, gan attīstību. Daži pētnieki ir izpētījuši tiešsaistes spēļu uzvedību ķīniešu pusaudžiem. Viņi ir ziņojuši, ka tiešsaistes spēļu uzvedība var ievērojami ietekmēt izziņas par tiešsaistes spēlēm, jo ​​relatīvo izziņu maiņa attiecībā uz tiešsaistes spēlēm bija efektīva metode, lai mazinātu diskomfortu, ko izraisa neatbilstība starp uzvedību un domāšanu (Wang et al., 2015). Tāpēc kā izskaidrojošu modeli mēs izmantojām kognitīvās disonanses teoriju, lai apspriestu IA jutīgās iedarbības mehānismu NMC (Cooper, 2007). Saskaņā ar šo teoriju, kad cilvēki uzzina par pretrunām, viņi saskaras ar diskomfortu vai disonansi, kas liek centienus samazināt šo pieredzi un atgūt konsekvenci, pielāgojot savu attieksmi, uztveri vai uzvedību, līdz šādas neatbilstības tiek atrisinātas (de Vries un Timmins, 2016). Lielākā daļa cilvēku var veiksmīgi pielāgot savu uzvedību, lai mazinātu šo disonansu. Tomēr daži cilvēki mēdz attaisnot uzvedību, kas, šķiet, samazina disonansi, izmantojot tādus iemeslus kā: „Es varu saņemt lielāku cieņu tiešsaistē nekā“ reālajā dzīvē ”,” „Es jūtos drošāk, kad atrodaties internetā,” vai „Interneta lietošana ir veids, kā aizmirst par lietām, kas man jādara, bet nevēlos to darīt. ”Kad cilvēki ir pārliecinājušies, ka atkarība no interneta ir saprātīga, disonanse samazinās un viņi jūtas labāk. Tomēr efektīvā metode disonanses diskomforta mazināšanai parasti atkārtojas, ja notiek cits identisks pārkāpums, kas ir problemātisks (de Vries un Timmins, 2016). Tas nozīmē, ka tad, kad studenti ir izveidojuši šādus NMC, turpmākā pārmērīga interneta izmantošana nerada tādu pašu diskomforta līmeni, kas vēl vairāk palielina interneta lietošanu. Kopumā IA radīšana un attīstība ir saistīta ar apburto loku, kas ietver NMC un pārmērīgu interneta izmantošanu, un IA ir paredzama prioritāte attiecībās ar NMC.

Rezultāti neliecina par būtiskām atšķirībām galvenajos mainīgajos lielumos starp vīriešiem un sievietēm. Tas ir pretrunā ar daudzu citu pētījumu rezultātiem (Müller et al., 2014). Iespējams, tas ir tāpēc, ka strauji attīstās skaitļošanas un tīklu tehnoloģijas, kas ir ievērojami mainījušas tīkla gala iekārtas, kā arī to lietojumprogrammas (Daniel et al., 2012; Mike un Zhong, 2014). Piemēram, mūsdienu sabiedrībā mobilie tālruņi pamazām ir kļuvuši par galveno līdzekli, lai piekļūtu internetam, un ar tiem var veikt dažādas darbības, piemēram, iepirkties un pārlūkot. Gan vīriešiem, gan sievietēm ir lielākā daļa šādu aktivitāšu (San, 2015). Turklāt daudzgrupu savstarpējās analīzes rezultāti liecina, ka IA un NMC atrastie ceļi vīriešiem un sievietēm bija vienādi. Tas nozīmē, ka procesi, kas noved pie IA, var būt identiski abiem dzimumiem, un galīgajam modelim, kas izveidots šajā pētījumā, piemīt plaša pielietojamība un praktiska nozīme ķīniešu koledžiem.

Lai tālāk identificētu IA ģeneratīvo un attīstības mehānismu, mēs piedāvājām teorētisku modeli, kas balstīts uz šajā pētījumā iegūtajiem rezultātiem, kā arī Davisa ierosināto kognitīvo-uzvedības modeli 4). Saskaņā ar šo modeli IA radīšana un attīstība ir apburta cikla rezultāts, kas ietver IA un NMC, un šo ciklu galvenokārt izraisa neērtības, ko izraisa neatbilstība starp uzvedību un domāšanu (de Vries un Timmins, 2016). Tā kā šis cikls galvenokārt sākas ar pārmērīgu interneta izmantošanu, ir nepieciešams mazināt šo apburto ciklu semestra sākumā ar dažādām metodēm. Tomēr, ņemot vērā interneta spēcīgo pievilcību jauniešiem, ir grūti izvairīties no IA koledžas jaunpienācēju vidū. Saskaņā ar kognitīvās disonanses teoriju, kad daži no viņiem kļūst atkarīgi no interneta, pastāv divas metodes, lai samazinātu diskomfortu, ko izraisa neatbilstība starp uzvedību un domāšanu. Pirmā metode ir saistīta ar tiešsaistes uzvedības maiņu, un otrā metode ietver izziņas pielāgošanu, lai izstrādātu atkarības uzvedības pamatojumu. Otrā metode acīmredzami ir ieteicama. Tāpēc šis modelis var sniegt teorētisku atbalstu IA profilakses un atveseļošanas plāniem Ķīnas studentu vidū to koledžas gadu sākumā.

   

4 attēls. Šī pētījuma teorētiskais modelis.

Ierobežojumi un nākotnes norādījumi

Jāatzīmē vairāki šī pētījuma ierobežojumi. Pirmkārt, lai gan mēs piedāvājām teorētisku modeli par IA radīšanu un attīstību, šis modelis šajā pētījumā nebija pilnībā apstiprināts, un mēs koncentrējāmies tikai uz savstarpējām attiecībām starp IA un NMC. Tāpēc, lai pārbaudītu šo modeli, jāveic papildu empīriski pētījumi. Turklāt šis teorētiskais modelis varētu nespēt risināt vairāku citu faktoru, piemēram, emociju un ārējās vides, ietekmi. Tāpēc, lai risinātu šo jautājumu, jāizstrādā sarežģītāki teorētiskie modeļi. Otrkārt, lai izpētītu savstarpējās attiecības starp IA un NMC, šajā pētījumā tika veikti trīs apsekojumi no 2015 līdz septembrim 2016. Tomēr trīs apsekojumu laika posms varēja būt pārāk īss, lai laika gaitā konstatētu stabilu pārmaiņu ietekmes novērtējumu. Attīstības tendence, iespējams, būs atšķirīga nākamajos periodos studentu koledžas dzīves laikā. Līdz ar to ir nepieciešams sīkāk izpētīt šo jautājumu pārējiem gadiem kolēģijā. Visbeidzot, šajā pētījumā bija nepieciešams izmantot ērtu koledžas jaunpienācēju paraugu, ņemot vērā ierobežojumus, kas saistīti ar finansēm un cilvēkresursiem. Šajā izlasē bija iesaistīti tikai 213 dalībnieki, kuri visi bija no Shandong provinces, Ķīnas universitātes. Ekonomiskās un kultūras atšķirības starp provincēm var ietekmēt attiecības starp diviem galvenajiem mainīgajiem lielumiem, kuros iesaistīti koledžas jaunumi. Tāpēc pētījums ir jāatkārto ar lielāku paraugu, kurā iesaistīti dažādi Ķīnas reģioni.

Autora iemaksas

PH veicināja sākotnējo ideju koncepciju un manuskripta rakstīšanu. PW un FG veicināja kritisko pārskatīšanu. QL un YT palīdzēja pabeigt datu vākšanu un analīzi. Visi autori apstiprināja manuskripta galīgo versiju publicēšanai.

Finansējums

Šo pētījumu atbalstīja Shandong provinces (J16YG21) Humanitārās un sabiedrības zinātniskās pētniecības programma, Šandongas provinces (ZX2015021) mākslas zinātniskā programma un Heze universitātes Humanitārās un sabiedrības zinātniskās pētniecības programma (XY16SK09).

Interešu konflikta paziņojums

Autori paziņo, ka pētījums tika veikts bez jebkādām komerciālām vai finansiālām attiecībām, kuras varētu uzskatīt par iespējamu interešu konfliktu.

Atsauces

Atslēgas vārdi: interneta atkarība, ar tīkliem saistīta nepareiza izzināšana, koledžas jaunpienācēji, šķērsgriezuma panelis, ķīniešu

Citāts: Han P, Wang P, Lin Q, Tian Y, Gao F un Chen Y (2017) Savstarpēja saikne starp interneta atkarību un ar tīklu saistītu nepareizu izziņu starp ķīniešu koledžiem: gareniskā šķērsgriezuma analīze. Priekšpuse. Psihols. 8: 1047. doi: 10.3389 / fpsyg.2017.01047

Saņemts: 13 marts 2017; Pieņemts: 08 jūnijs 2017;
Publicēts: 22 jūnijs 2017.

Autortiesības © 2017 Han, Wang, Lin, Tian, ​​Gao un Chen. Šis ir atvērta piekļuves raksts, kas tiek izplatīts saskaņā ar Creative Commons piešķiršanas licence (CC BY). Lietošana, izplatīšana vai reproducēšana citos forumos ir atļauta, ja sākotnējais autors (-i) vai licences devējs tiek ieskaitīts un ka tiek minēts oriģināls šajā žurnālā, saskaņā ar pieņemto akadēmisko praksi. Nav atļauta lietošana, izplatīšana vai reproducēšana, kas neatbilst šiem noteikumiem.