အင်တာနက်စွဲ: စတိုင်များ, မျှော်လင့်ချက်များနှင့်ကုသမှုသက်ရောက်မှုတွေကိုင်တွယ်ဖြေရှင်း (2014)

ဿိအမှတ်တံဆိပ်^{1,2 *}, ခရစ်ယာန် Laier¹ နှင့် Kimberly အက်စ် Young က³

• ¹အထွေထွေစိတ်ပညာဌာန: သိမှတ်ခံစားမှု, Duisburg-အက်ဆင်း, Duisburg, ဂျာမနီတက္ကသိုလ်
• ²သံလိုက်ပဲ့တင်ရိုက်ခတ်မှု Imaging, အက်ဆင်း, ဂျာမနီများအတွက် Erwin အယ်လ် Hahn Institute က
• ³အင်တာနက်ကိုစွဲလမ်းမှု, သတင်းစာပညာ၏စယ်ဂျေ Jandoli ကျောင်းနှင့် Mass Communication, စိန့် Bonaventure တက္ကသိုလ်, Olean, နယူးယော့, အမေရိကန်နိုင်ငံအဘို့အရေးစင်တာ

အင်တာနက်စွဲ (အိုဝါ) နိုင်ငံအများအပြားအတွက်လေးနက်သောစိတ်ပိုင်းဆိုင်ရာကျန်းမာရေးအခြေအနေဖြစ်လာသည်။ ပိုကောင်း် IA ၏လက်တွေ့သက်ရောက်မှုနားလည်ရန်, ဒီလေ့လာမှုကစာရင်းအင်းအဆိုပါရောဂါ၏ဖွံ့ဖြိုးတိုးတက်မှုနှင့်ပြုပြင်ထိန်းသိမ်းမှုမှပံ့ပိုးနောက်ခံသိမြင်မှုယန္တယားသရုပ်ဖော်အသစ်တခုသီအိုရီမော်ဒယ်စမ်းသပ်စစ်ဆေးပါတယ်။ အဆိုပါမော်ဒယ်တစ်ဦး generalized အင်တာနက်စွဲ (GIA) နှင့်တိကျသောပုံစံများကိုခွဲခြားတယ်။ ဒီလေ့လာမှုကယေဘုယျအင်တာနက်အသုံးပြုသူလူဦးရေအပေါ် GIA အပေါ်မော်ဒယ်စမ်းသပ်စစ်ဆေးပါတယ်။ 1019 အသုံးပြုသူများထံမှအဆိုပါတွေ့ရှိချက်ကိုအင်တာနက်စွဲလမ်းမှုစမ်းသပ်ခြင်း၏ရေတိုဗားရှင်းဖြင့်တိုင်းတာအဖြစ်တွေးဆဖွဲ့စည်းတည်ဆောက်ပုံဆိုင်ရာညီမျှခြင်းမော်ဒယ် GIA လက္ခဏာတွေ၏ကှဲလှဲ၏ 63.5% ကရှင်းပြသည်ဖော်ပြသည်။ စိတ်ပိုင်းဆိုင်ရာနှင့်ကိုယ်ရည်ကိုယ်သွေးစမ်းသပ်အသုံးပြုခြင်း, ရလဒ်ပုဂ္ဂိုလ်တစ်ဦးရဲ့တိကျတဲ့သိမြင်မှု (ဆင်းရဲသားကိုဖြေရှင်းခြင်းနှင့်သိမြင်မှုမျှော်မှန်းချက်) GIA များအတွက်အန္တရာယ်တိုးလာကြောင်းပြသပါ။ သည်အခြားအန္တရာယ်အချက်များလေ့လာမှုအတွက်တိုင်းတာခဲ့အနည်းငယ်ဒေသများအမည်ကိုတို့အားဤသို့သောစိတ်ကျရောဂါ, လူမှုရေးစိုးရိမ်ပူပန်မှု, အနိမ့် Self-လေးစားမှု, အနိမ့် Self-ထိရောက်မှုနှင့်မြင့်မားသောစိတ်ဖိစီးမှုအားနည်းချက်အဖြစ်ပစ္စုပ္ပန်ဖြစ်လျှင်နှစ်ပါးအချက်များ GIA ၏ရောဂါလက္ခဏာများကမကထပြုခဲ့။ အဆိုပါမော်ဒယ်မြင့်သောဖြေရှင်းကျွမ်းကျင်မှုနှင့်အင်တာနက်အပြုသဘောဆောင်တိုးမြှင့်သို့မဟုတ်အနှုတ်လက္ခဏာစိတ်ဓါတ်များကိုလျှော့ချဖို့အသုံးပြုနိုင်ခြင်းမရှိမျှော်လင့်ထားနှင့်အတူတစ်ဦးချင်းစီကတခြားကိုယ်ရည်ကိုယ်သွေးသို့မဟုတ်စိတ်ပိုင်းဆိုင်ရာအားနည်းချက်များရှိတောင်မှအခါ, ပြဿနာကအင်တာနက်အသုံးပြုမှုအတွက်ထိတွေ့ဆက်ဆံဖို့လျော့နည်းဖွယ်ရှိဖြစ်ကြောင်း။ ပြသ ကုသမှုများအတွက်သက်ရောက်မှုတွေ GIA ၏ဖွံ့ဖြိုးတိုးတက်မှုနှင့်တစ်ဦးလူနာရဲ့ဖြေရှင်းစတိုင်နှင့်သိမြင်မှုအကဲဖြတ်ရန်နှင့်ရောဂါလက္ခဏာများကိုလျှော့ချနှင့်ပြန်လည်ထူထောင်ရေးအတွက်ထိတွေ့ဆက်ဆံဖို့ပျက်ယွင်းနေစဉ်းစားတွေးခေါ်တိုးတက်လာဖို့လိုအပ်ကြောင်းတစ်ရှင်းရှင်းလင်းလင်းသိမြင်မှုအစိတ်အပိုင်းပါဝင်သည်။

နိဒါန္း

အင်တာနက်ကိုတစ်ပြဿနာကိုအသုံးပြုခြင်း (ပြန်လည်သုံးသပ်ခြင်းသည်မြင်သောကြောင့်လေ့လာမှုများတစ်အရေအတွက်ဖော်ထုတ်နှင့်ထိုကဲ့သို့သောအလုပ်ဆုံးရှုံးခြင်း, ပညာရေးပျက်ကွက်နှင့်ကွာရှင်းအဖြစ်မြဲအပျက်သဘောအကျိုးဆက်များအလွန်အကျွံအငျတာနကျအသုံးပွုခွငျးမှရလဒ်ကွောငျးဖျောပွခဲ့သ Griffiths က, 2000a,b; Chou et al ။ , 2005; Widyanto နှင့် Griffiths က, 2006; Byun et al ။ , 2009; Weinstein နဲ့ Lejoyeux, 2010; Lortie နှင့် Guitton, 2013) ။ 1.5 ထံမှ 8.2% အထိမြင့်မားသောခန့်မှန်းပျံ့နှံ့မှုနှုန်း (၏နောက်ခံဆန့်ကျင်အရေးပါမှု၌ဤဖြစ်ရပ်ဆန်းအကျိုးအမြတ်များ၏လက်တွေ့ဆက်စပ်မှုWeinstein နဲ့ Lejoyeux, 2010) သို့မဟုတ်ပင်လျှောက်ထားရာတွင်အသုံးပြုကြေးခွံများနှင့်စံနှုန်းများအပေါ် မူတည်. % 26.7 မှတက် (Kuss et al ။ , 2014).

ဒီလက်တွေ့ပြဿနာရဲ့ပထမဦးဆုံးဖော်ပြချက်နီးပါး 20 လွန်ခဲ့တဲ့နှစ်ပေါင်းဖြစ်သော်လည်း (လူငယ်တို့, 1996), ပုခွဲခြားနေဆဲင်ထဲကဆွေးနွေးအကျိုးဆက်များစွာကိုဝေါဟာရများ ( "compulsive အင်တာနက်ကိုအသုံးပြုခြင်းသည်" မှအထိသိပ္ပံနည်းကျစာပေများတွင်အသုံးပြုကြသည်Meerkerk et al ။ , 2006, 2009, 2010), "အင်တာနက်ကို related ပြဿနာများ" (Widyanto et al ။ , 2008), "ပြဿနာကအင်တာနက်အသုံးပြုမှုကို" (Caplan, 2002), "ရောဂါဗေဒတွင်အင်တာနက်အသုံးပြုမှုကို" (Davis က, 2001) ရန် "အင်တာနက်ကို related စွဲလမ်းအပြုအမူ" (Brenner, 1997), အနည်းငယ်ဖော်ပြရန်။ ပြီးခဲ့သည့် 10 နှစ်များတွင်သို့သော်ဤမြေကွက်၌အများဆုံးသုတေသီများ, ဥပမာ (ထိုဝေါဟာရကို "အင်တာနက်စွဲ" သို့မဟုတ် "အင်တာနက်စွဲရောဂါ" ကိုအသုံးပြုခဲ့ကြ Johansson နှင့်Götestam, 2004; block, 2008; Byun et al ။ , 2009; dong et al ။ , 2010, 2011, 2013; ကင်မ် et al ။ , 2011; Purty et al ။ , 2011; လူငယ်တို့, 2011b, 2013; လူငယ်တို့ et al ။ , 2011; zhou et al ။ , 2011; ငွေသား et al ။ , 2012; Hou et al ။ , 2012; ဟောင်ကောင် et al ။ , 2013a,b; Kardefelt-Winther, 2014; ပိုတငျး et al ။ , 2014; Tonioni et al ။ , 2014) ။ မကြာသေးမီဆောင်းပါးများ (အတွင်းဆွေးနွေးမှုကိုတွေ့မြင်ဘာဖြစ်လို့လဲဆိုတော့ကျနော်တို့ကိုလည်း "အင်တာနက်စွဲလမ်း (အိုဝါ)" ဟူသောဝေါဟာရကိုပိုမိုနှစ်သက် ကုန်အမှတ်တံဆိပ် et al ။ , 2014), ဥပမာ (တစ်ဦးကိုအင်တာနက်သုံးရင်နှင့်အခြားစွဲလမ်းအပြုအမူတွေအကြားမျဉ်းပြိုင်ကိုမီးမောင်းထိုးပြ ပေးသနား et al ။ , 2013) နှင့်လည်းပစ္စည်းဥစ္စာမှီခို (ကိုလညျးရှု လူငယ်တို့, 2004; Griffiths က, 2005; Meerkerk et al ။ , 2009) ။ ဒါဟာဥပမာ (ဥပမာများအတွက်မက်လုံးပေးာင်းစွဲ၏သီအိုရီများနှင့်ဆက်စပ်သဘောတရားများ, ပစ္စည်းဥစ္စာမှီခိုများ၏ဖွံ့ဖြိုးတိုးတက်ရေးနှင့်ထိန်းသိမ်းရေးနှင့်ဆက်နွယ်နေသောယန္တရားများ Internet application များ (နှင့်အခြားအပြုအမူစှဲ) ၏တစ်ဦးစွဲလမ်းအသုံးပြုခြင်းကိုမှ transferrable ဖြစ်ကြောင်းစောဒကတက်ခဲ့ပြီး, Robinson နဲ့ Berridge, 2000, 2001, 2008; Berridge et al ။ , 2009) ။ ဤ (စွဲလမ်းအပြုအမူတွေအပေါ်အစိတ်အပိုင်းမော်ဒယ်နှင့်အတူကြင်လည်းကိုက်ညီGriffiths က, 2005).

အတော်များများကလေ့လာမှုများ် IA ၏စိတ်ပိုင်းဆိုင်ရာဆက်စပ်မှုအပေါ်ကောက်ယူခဲ့ကြပေမယ့်ဤအမှုကိုပြုသောထားပြီး - ကအနည်းဆုံးအများဆုံးကိစ္စများတွင် - တစ် generalized အင်တာနက်စွဲ (GIA) နှင့်တစ်ဦးသတ်သတ်မှတ်မှတ်အင်တာနက်စွဲ (SIA အကြားကွာခြားခြင်းမရှိဘဲ, Morahan-မာတင်နှင့် Schumacher, 2000; Leung, 2004; Ebeling-Witte et al ။ , 2007; lu, 2008; ကင်မ်နှင့် Davis က, 2009; Billieux နှင့်ဗန် der Linden, 2012), စိတ်ပိုင်းဆိုင်ရာယန္တရားများလည်းအသုံးပြုနိုင်သည်ကွဲပြားအသက်အရွယ်အုပ်စုများသို့မဟုတ် application များအတွက်ကွဲပြားခြားနားပါလိမ့်မယ်ပေမယ့် (လိုပက်ဇ်-ဖာနန်ဒက်ဇ et al ။ , 2014) ။ ကျွန်ုပ်တို့၏လေ့လာမှုနောက်ခံယန္တရားများနှင့်အဖြေရှာတဲ့နှင့်ကုသမှုများအတွက်အလားအလာဂယက်၏ပိုကောင်းတဲ့နားလည်မှုကိုအထောက်အကူဖြစ်စေနိုင်ရန်အတွက်စတိုင်များနှင့် GIA ၏ဖွံ့ဖြိုးတိုးတက်မှုနှင့်ပြုပြင်ထိန်းသိမ်းမှုအင်တာနက်အသုံးပြုမှုအတွက်သိမြင်မှုမျှော်မှန်းချက်ကိုင်တွယ်ဖြေရှင်း၏ဖြန်ဖြေသက်ရောက်မှုကို examine ။

တစ်သီအိုရီအဆင့်ကိုတွင်ပြုလုပ်ထားပြီးအိုဝါ (အထွေထွေကိုအင်တာနက်အသုံးပြုမှုနှင့် ပတ်သက်. မတူညီခံရဖို့ရှိပါတယ် postulated ခဲ့သည်Griffiths ကနှင့် Wood က, 2000) ထိုသို့သောအင်တာနက်တစ်ခုစွဲဖွံ့ဖြိုးဆဲဘို့ဘာ, အွန်လိုင်းဆက်ဆံရေး, အသားတင် compulsive (ဥပမာ, လောင်းကစား, စျေးဝယ်), သတင်းအချက်အလက်ရှာဖွေရေး, နှင့်အွန်လိုင်းဂိမ်းအဖြစ်အိုဝါ၏တိကျသောအမျိုးအစားများ (ဥပမာ, နှိုင်းယှဉ် လူငယ်တို့ et al ။ , 1999; Meerkerk et al ။ , 2006; block, 2008; ကုန်အမှတ်တံဆိပ် et al ။ , 2011) ။ သို့သော်တစ်ဦးတည်းသာမျိုးကွဲ, အင်တာနက်ဂိမ်း Disorder, (ထို DSM-5 ၏နောက်ဆက်တွဲတွင်ထည့်သွင်းထားသည်ယား, 2013) ။ အများစုမှာလေ့လာမှုများတစ်ဦးစုစည်း Construction အဖြစ်အိုဝါအကဲဖြတ်သို့မဟုတ်တစ်ဦးတည်းသာသတ်သတ်မှတ်မှတ်မျိုးကွဲ (အများဆုံးကိစ္စများတွင်အင်တာနက်ကိုဂိမ်း) အကဲဖြတ်ဖြစ်စေ။ မိမိအသိမြင်-အပြုအမူမော်ဒယ်မှာတော့ Davis က (2001) ထို့အပြင်တစ်ဦး generalized ရောဂါဗေဒတွင်အင်တာနက်အသုံးပြုမှုကို (GIA) နှင့်တိကျတဲ့ရောဂါဗေဒတွင်အင်တာနက်အသုံးပြုမှုကို (SIA) အကြားမတူညီဘဲ။ GIA အင်တာနက်အသုံးပြုမှု, အင်တာနက်ကိုတစ် multidimensional သုံးရင်အဖြစ်ဖော်ပြမကြာခဏအချိန်စွန့်ပစ်သဖြင့်လိုက်ပါသွားခြင်းနှင့် Non-ညွှန်ကြားခဲ့သည်။ အင်တာနက်လူမှုရှုထောင့် (social networking site များမှတဆင့်ဥပမာ, လူမှုရေးဆက်သွယ်ရေး) အထူးသဖြင့်အသုံးပြုကြသည် (စအတွက်ဆွေးနွေးမှုကိုတွေ့မြင် Lortie နှင့် Guitton, 2013), Non-ကို virtual အခြေအနေများတွင်တစ်ဦးချင်းအားဖြင့်ကြုံတွေ့လူမှုရေးထောက်ခံမှုဏ ffl ine နှင့်လူမှုရေးလိုငွေပြမှု၏မရှိခြင်းနှင့်ဆက်စပ်ခံရဖို့ထင်သော။ ထို့အပြင်မှာ, ဥပမာ, ဂိမ်းများကစားခြင်းညစ်ညမ်းစောင့်ကြည့်, ဗီဒီယိုပလက်ဖောင်းပေါ်တွင်ဗီဒီယိုများကြည့် selfies ပို့စ်တင်, သတင်းအချက်အလက်နှင့် / သို့မဟုတ်စျေးဝယ်က်ဘ်ဆိုက်များပေါ်တွင် surfing, ဘလော့ဂ်များကိုဖတ်ရှုခြင်း, ဘာသာရပ်များအလွန်အကျွံတဦးတည်းအခြို့သောအကြိုက်ဆုံးမလိုဘဲအများအပြားကွဲပြားခြားနားသော Internet application များသုံးနိုင်ပါသည်ကြောင်းစောဒကတက်ထားသည် ဒါကြောင့်အပေါ်ကိုအခြားသူများနှင့်၏။ ဤကိစ္စတွင်ခုနှစ်, တဦးချင်းအင်တာနက်စွဲခြင်းနှင့်အင်တာနက်ပေါ်ရှိစွဲမထားပါကြောင်းငြင်းခုန်စေခြင်းငှါ (သို့သော်လည်းဆွေးနွေးမှုကိုတွေ့မြင် Starcevic, 2013) ။ Davis က GIA နှင့် SIA အကြားတဦးတည်းရဲ့အဓိကကွာခြားချက် SIA ခံစားနေရပြီးတစ်ဦးချင်းစီသည်အခြား setting ကိုအတွင်းအလားတူပြဿနာအပြုအမူတီထွင်ခဲ့ကြပေသည်သော်လည်း GIA ထံမှခံရသောသူတစ်ဦးချင်းစီ, အင်တာနက်မပါဘဲအလားတူပြဿနာအပြုအမူတီထွင်ခဲ့ကြမဟုတ်ကြောင်းကြောင်းစောဒကတက်သည်။ အင်တာနက်ကို, GIA နှင့် SIA ၏စွဲလမ်းအသုံးပြုမှုနှစ်ဦးစလုံးပုံစံများခုနှစ်, ကိုယ်ပိုင်အကြောင်းကိုနှင့်ကမ္ဘာအကြောင်းကိုအလုပ်မဖြစ်သိမြင်မှု (ကအခြေခံအကျဆုံးအခန်းကဏ္ဍမှအကြံပြုကြသည်Caplan, 2002, 2005).

GIA addressing သုတေသနတွင်အင်တာနက်အသုံးပြုမှုကနေရရှိလာတဲ့နေ့စဉ်အသက်တာ၌ပုဂ္ဂလဒိဋ္တိုင်ကြားမှုများကွဲပြားခြားနားကိုယ်ရည်ကိုယ်သွေးဝိသေသလက္ခဏာများနှင့်အတူဆက်နွယ်နေကြောင်းဖြစ်ကြောင်းသရုပ်ပြခဲ့သည်။ အမှန်မှာက GIA ထိုကဲ့သို့သောအကျိုးသက်ရောက်စေသို့မဟုတ်စိုးရိမ်စိတ်ပုံမမှန်အဖြစ် psychopathological comorbidities, (ဆက်စပ်ကြောင်းပြသခဲ့သည်Whang et al ။ , 2003; ယန် et al ။ , 2005; Weinstein နဲ့ Lejoyeux, 2010) အဖြစ်ကိုယ်ရည်ကိုယ်သွေးစရိုက်များရှက်ကြောက်စိတ်, neuroticism, စိတ်ဖိစီးမှုအားနည်းချက်, အခြိနျမဆှဲဖို့လိုတဲ့သဘောထားကိုနှင့်အနိမ့် Self-လေးစားမှု (ရန်Niemz et al ။ , 2005; Ebeling-Witte et al ။ , 2007; Hardy နှင့် Tee, 2007; Thatcher et al ။ , 2008; ကင်မ်နှင့် Davis က, 2009) ။ လူမှုရေးအထောက်အပံ့သို့မဟုတ်လူမှုရေးအထီးကျန်ဒါ့အပြင်လူမှုရေးအခြေအနေတွင်၏အကြောင်းရင်းများ, ဥပမာမရှိခြင်း (Morahan-မာတင်နှင့် Schumacher, 2003; Caplan, 2007) နှင့်မြီးကောင်ပေါက်အတွက်ပညာရေးဆိုင်ရာ setting ကိုပင်အထီးကျန် (ပိုတငျး et al ။ , 2014), GIA နှင့်ဆက်စပ်သောခံရဖို့ပုံရသည်။ ထို့အပွငျက (ပြဿနာသို့မဟုတ်စိတ်ဖိစီးမှုဘဝဖြစ်ရပ်များနှင့်အတူကိုင်တွယ်ဖြေရှင်းဘို့ကိရိယာတခုအဖြစ်အင်တာနက်ကို အသုံးပြု. GIA ၏ဖွံ့ဖြိုးတိုးတက်မှုကိုအထောက်အကူပြုရန်ကြောင်းစောဒကတက်ထားသည်Whang et al ။ , 2003; တန် et al ။ , 2014) ။ အိုဝါနှင့်အတူပုဂ္ဂိုလ်များ (မြင့်သောစိတ်သဘောထားထကြွလွယ်သောဖြေရှင်းမဟာဗျူဟာဆီသို့လည်းပြသTonioni et al ။ , 2014) ။ အချို့ကစာရေးသူကိုတောင်နေ့စဉ်ဘဝမှာသို့မဟုတ်နေ့စဉ်ကူညီပြီး (ကိုင်တွယ်ဖြေရှင်းအမျိုးအစားအဖြစ်အိုဝါ conceptualizeKardefelt-Winther, 2014) ။ အတိအလင်း SIA ၏ကွဲပြားခြားနားသောအမျိုးအစားများခန့်မှန်းနှိုင်းယှဉ်လျှင်အရာသာအချို့သောပထမဦးဆုံးလေ့လာမှုများ, နေတုန်းပဲရှိပါတယ်။ Pawlikowski et al ။ (2014) ရှက်ကြောက်စိတ်နှင့်ဘဝကျေနပ်မှုအင်တာနက်ကိုဂိမ်းအနေနဲ့စွဲလမ်းအသုံးပြုမှုနှင့်ပတ်သက်သောဖြစ်ကြောင်းဖော်ပြခဲ့သည်ပေမယ့်မပေးဘာတစ်ဦးရောဂါဗေဒအသုံးပြုမှုသို့မဟုတ်ဂိမ်းများနှင့်ကျဘာနှစ်ဦးစလုံး၏အသုံးပြုမှုကိုရန်။

အားဖြင့်အငြင်းပွားမှုများအပေါ်အထူးသဖြင့်ယခင်သုတေသနအပေါ် အခြေခံ. Davis က (2001)နှင့်လည်း neuropsychological အပေါ်လက်ရှိစာပေစဉ်းစားခြင်းနှင့်အင်တာနက်ပေါ်ရှိစွဲနေသောဘာသာရပ်များအတွက်တွေ့ရှိချက် neuroimaging ကျနော်တို့မကြာသေးမီက GIA နှင့် SIA (များ၏ဖွံ့ဖြိုးတိုးတက်ရေးနှင့်ပြုပြင်ထိန်းသိမ်းမှုအပေါ်တစ်ဦးသီအိုရီမော်ဒယ်ထုတ်ဝေခဲ့ကြကုန်အမှတ်တံဆိပ် et al ။ , 2014) ။ မော်ဒယ်တွင်ထည့်သွင်းတချို့ကရှုထောင့်ထားပြီးဥပမာအားဖြင့်, social networking site များ၏အသုံးပြုမှုများ၏အခြေအနေတွင်အပြုသဘောရလာဒ် (များ၏မျှော်မှန်းဖော်ပြခဲ့တဲ့ပြီTurel နှင့် Serenko, 2012) ။ (ဒါဟာအစအွန်လိုင်းလေလံပွဲတစ်ခုအလွန်အကျွံသို့မဟုတ်စွဲလမ်းအသုံးပြုမှု technique ကိုအကြောင်းကိုတစ်ဦးချင်းစီ '' ယုံကြည်ချက်ပြောင်းလဲမှုများဆက်နွယ်နေကြောင်းကြောင်းပြသခဲ့ပြီးဒီအနာဂတ်အသုံးပြုမှု determinates နှင့်ရည်ရွယ်ချက်များကိုသုံးပါTurel et al ။ , 2011) ။ ဒါကကျနော်တို့ကအင်တာနက်ပုဂ္ဂိုလ်တစ်ဦးအဘို့အဘယ်သို့ပြုနိုင်သည်အကြောင်းကိုယုံကြည်ချက်သို့မဟုတ်မျှော်လင့်ထားအလှည့်လည်းအနာဂတ်မျှော်လင့်ထားသြဇာလွှမ်းမိုးသောအမူအကျင့်, ဆိုလိုသည်မှာ, အင်တာနက်အသုံးပြုခြင်း, သြဇာလွှမ်းမိုးယူဆထားတဲ့အတွက် GIA ပေါ်မှာငါတို့သီအိုရီမော်ဒယ်နှင့်အညီဖြစ်ပါတယ်။ သို့သော်ကျွန်ုပ်တို့၏မော်ဒယ်အတွက်ကျနော်တို့မျှော်လင့်ထား၏အာမခံအခန်းကဏ္ဍအပေါ်အာရုံစူးစိုက်ခဲ့ကြပြီးတစ်ဦး GIA နှင့် SIA ၏တိကျသောအမျိုးအစားများကိုဖွံ့ဖြိုးဆဲနှင့်ထိန်းသိမ်းခြင်းအတွက်မဟာဗျူဟာများကိုင်တွယ်ဖြေရှင်း။

GIA ၏ဖွံ့ဖြိုးတိုးတက်မှုနှင့်ပြုပြင်ထိန်းသိမ်းမှု, ကြှနျုပျတို့အသုံးပြုသူအချို့ Internet application များ အသုံးပြု. အောင်မြင်နိုင်သည့်အချို့သောလိုအပ်ချက်များနှင့်ရည်မှန်းချက်များရှိကြောင်းငြင်းခုန်။ ကြိုတင်သုတေသနပြုအပေါ်အခြေခံပြီးကျနော်တို့ကဤဒြပ်စင်အတူတကွချည်နှောင်ဖို့ပြည့်စုံမော်ဒယ်ဖွံ့ဖြိုးတိုးတက်ဖို့သူတို့အားတွေ့ရှိချက်များအများအပြားထည့်သွင်း။ အစပိုင်းမှာပုဂ္ဂိုလ်တစ်ဦးရဲ့ core ဝိသေသလက္ခဏာများ် IA နဲ့ဆက်စပ်နှင့် psychopathological ရှုထောင့်, ကိုယ်ရည်ကိုယ်သွေးရှုထောင့်နှင့်လူမှုသိမြင်မှုတို့ပါဝင်သည်နေကြသည်။ ပထမဦးဆုံးအပိုင်းမှာတော့ကျနော်တို့ကအထူးသဖြင့်စိတ်ကျရောဂါနှင့်လူမှုရေးစိုးရိမ်ပူပန် (ဥပမာထဲမှာ, psychopathological လက္ခဏာတွေပါဝင်သည်, Whang et al ။ , 2003; ယန် et al ။ , 2005), အလုပ်မဖြစ်ကိုယ်ရည်ကိုယ်သွေးထိုကဲ့သို့သောအနိမ့် Self-ထိရောက်မှုအဖြစ်ရှုထောငျ့, ရှက်ကြောက်စိတ်, စိတ်ဖိစီးမှုအားနည်းချက်များနှင့်အခြိနျဆှဲလိုတဲ့သဘောထားကို (Whang et al ။ , 2003; Chak နှင့်ဟောင်ကောင်, 2004; Caplan, 2007; Ebeling-Witte et al ။ , 2007; Hardy နှင့် Tee, 2007; Thatcher et al ။ , 2008; ကင်မ်နှင့် Davis က, 2009; ပိုတငျး et al ။ , 2014), နှင့်လူမှုရေးအထောက်အပံ့လူမှုရေးအထီးကျန် / မရှိခြင်း (Morahan-မာတင်နှင့် Schumacher, 2003; Caplan, 2005) GIA ၏ဖွံ့ဖြိုးတိုးတက်မှုအတွက်။ သို့သော်ကျနော်တို့ (အင်တာနက်ကိုတစ်ဦးစွဲလမ်းအသုံးပြုမှုများ၏ဖွံ့ဖြိုးတိုးတက်မှုအပေါ်သူတို့အားလူတစ်ဦး၏မူလတန်းဝိသေသလက္ခဏာများနှင့်သိမြင်မှု၏သြဇာလွှမ်းမိုးမှုအထူးသဖြင့်အင်တာနက်ကိုအသုံးပြုခြင်းသည်မျှော်လင့်ထားအတွက်အချို့ကအင်တာနက်-related သိမြင်မှုကကမကထပြုခဲ့သင့်ကြောင်းအကြံပြုTurel et al ။ , 2011; Xu et al ။ , 2012; Lee က et al ။ , 2014), နှင့်နေ့စဉ်ဘဝလိုအပ်ချက်များကိုသို့မဟုတ်နေ့စဉ်ကူညီပြီးနှင့်အတူရင်ဆိုင်ဖြေရှင်းနိုင်မှအချို့မဟာဗျူဟာများ (တန် et al ။ , 2014; Tonioni et al ။ , 2014) ။ မော်ဒယ်၏တတိယအပိုင်းမှာတော့တစ်နောက်ဆက်တွဲအပြုအမူအတိုင်း, အသုံးပြုသူအွန်လိုင်းသွားသည်နှင့်ပြဿနာများသို့မဟုတ်အနုတ်လက္ခဏာခံစားချက်နှင့်အတူကိုင်တွယ်ဖြေရှင်းအလုပ်မဖြစ်၏စည်းကမ်းချက်များ၌အားဖြည့်အားလက်ခံတွေ့ဆုံနှင့်လူတစ်ဦးသည်အင်တာနက်အသုံးပြုမှုကိုပိုမိုပြီးတော့, ပြဿနာများကိုသို့မဟုတ်အပျက်သဘောခံစားချက်တွေကိုမှသူတို့ကိုအာရုံလိမ့်မည်ဟုမျှော်လင့်ပါလျှင် ဖြစ်နိုင်ဖွယ်သူတို့ထိန်းချုပ်တဲ့ဆုံးရှုံးမှုများကသက်သေရှိသူများခံစားချက်များကိုမှလွတ်မြောက်ရန်အင်တာနက်ကိုဖွင့်, ဆင်းရဲသောအချိန်စီမံခန့်ခွဲမှု, မတရားသောနှင့်လူမှုရေးပြဿနာများတိုးပွားလာပါလိမ့်မယ်။ အားဖြည့်ခြင်းနှင့်အေးစက်ဖြစ်စဉ်များ၏အခန်းကဏ္ဍကိုပစ္စည်းဥစ္စာနှင့်ဆက်စပ်သောရောဂါများ (ဥပမာ၏ဖွံ့ဖြိုးတိုးတက်မှုနှင့်ပြုပြင်ထိန်းသိမ်းမှုအပေါ်စာပေအတွက်ကောင်းစွာဖော်ပြထားခဲ့ပြီး, Robinson နဲ့ Berridge, 2001, 2008; Kalivas နှင့် Volkow, 2005; Everitt နှင့် Robbins, 2006) ။ ငါတို့သည်လည်းလည်ပတ်ကိုင်တွယ်ဖြေရှင်းစတိုင်နှင့်အင်တာနက်အသုံးပြုမှုကိုမျှော်လင့်ထား၏အပြုသဘောနှင့်အပျက်သဘောအားဖြည့်အောင်မြင်မှု prefrontal (အလုပ်အမှုဆောင်) ကကမကထပြုခဲ့သောအင်တာနက်ကိုအသုံးပြုခြင်းသည်ကျော်သိမြင်မှုထိန်းချုပ်ရေး၏ဆုံးရှုံးမှုအတွက်ဖြစ်ပေါ်ကြောင်းစောဒကတက်ခဲ့ကြ (ကုန်အမှတ်တံဆိပ် et al ။ , 2014).

ဒီ model ် IA နောက်ကွယ်မှစိတ်ပိုင်းဆိုင်ရာယန္တရားများပတ်သတ်ပြီးနှင့်အတူသော့ချက်တွေ့ရှိချက်အပေါ်ယခင်စာပေနှင့်အတူကောင်းစွာကိုက်ညီပေမယ့် (အားဖြင့်ခြုံငုံသုံးသပ်ချက်ကိုကြည့်ပါ Kuss နှင့် Griffiths က, 2011a,b; Griffiths က, 2012) နှင့်လည်း GIA နှင့် SIA ၏ကွဲပြားအမျိုးအစားအလွန်မကြာသေးမီ neuropsychological နှင့် neuroimaging ဆက်စပ်မှုနှင့်အတူ (Kuss နှင့် Griffiths က, 2012; ကုန်အမှတ်တံဆိပ် et al ။ , 2014), ဒီ model နေဆဲ incremental တရားဝင်မှု၏စည်းကမ်းချက်များ၌ပင်ကိုယ်မူလသက်သေအထောက်အထားများလိုအပ်ပါသည်။ ဒီလေ့လာမှုမှာကျနော်တို့ GIA အပေါ်သီအိုရီမော်ဒယ်အတွက်အကျဉ်းချုပ်ယင်းယူဆချက်ဘာသာပြန်ဆိုရည်ရွယ်ငုပ်လျှိုးနေ variable တွေကိုအဆင့်တွင်တစ်ဦးစာရင်းအင်းမော်ဒယ်သို့အထက်တွင်ဖော်ပြထားနှင့်အကြီးစားအင်တာနက်ကိုလူဦးရေကို အသုံးပြု. GIA လက္ခဏာတွေ၏ပြင်းထန်မှုအပေါ်ခန့်မှန်းခြင်းနှင့်အာမခံသက်ရောက်မှုစမ်းသပ်စစ်ဆေးပါတယ်။ အတည်ပြုစိတ်ပိုင်းဆိုင်ရာနှင့်ကိုယ်ရည်ကိုယ်သွေးအစီအမံကိုသုံးပြီးကျနော်တို့ကပထမဦးစွာ generalized လမ်းအတွက်အင်တာနက်ကိုတစ်ဦးအလွန်အကျွံနှင့်စွဲလမ်းအသုံးပြုခြင်းကိုခန့်မှန်းတစ်ပုဂ္ဂိုလ်များ '' အဓိကလက္ခဏာများအကဲဖြတ်။ (ထိုကဲ့သို့သောအနုတ်လက္ခဏာခံစားချက်တွေကိုသို့မဟုတ်မနှစ်မြို့ဖွယ်အခြေအနေများမှလွတ်မြောက်ရန်အင်တာနက်ကို အသုံးပြု. ကဲ့သို့) ဆင်းရဲသောသူကိုဖြေရှင်းကျွမ်းကျင်မှုနှင့်အင်တာနက်အသုံးပြုမှုကိုမျှော်လင့်ထား၏လူတစ်ဦးရဲ့ core ဝိသေသလက္ခဏာများနှင့်ရောဂါလက္ခဏာအကြား link ကိုဖျန်ဖြေလျှင်ဖြေရှင်းတစ်အတည်ပြုအတိုင်းအတာနှင့်အင်တာနက်အသုံးပြုမှုကိုမျှော်လင့်ထား၏အသစ်တီထွင်တိုင်းတာအသုံးပြုခြင်း, ငါတို့စမ်းသပ်ပြီး GIA ။

ကုန်ကြမ်းနှင့်နည်းစနစ်များ

အဆိုပါစစ်ဆင်ရေးမော်ဒယ်

ကျနော်တို့ပထမဦးဆုံးမိတ်ဆက်မှာဖော်ပြထားတဲ့သီအိုရီမော်ဒယ်ဘာသာပြန်ထားသောကဆောင်းပါးထဲမှာရုပ်ပြ ကုန်အမှတ်တံဆိပ် et al ။ (2014) တစ်ဦး testable နှင့်စစ်ဆင်ရေးစာရင်းအင်းမော်ဒယ်သို့။ ယင်းသီအိုရီမော်ဒယ်အတွက်ဖော်ပြခဲ့သောအတိုင်းအတာအသီးအသီးအဘို့, ငါတို့ငုပ်လျှိုးနေအဆင့်တွင်တစ်ဦးဖွဲ့စည်းတည်ဆောက်ပုံဆိုင်ရာညီမျှခြင်းမော်ဒယ် (SEM) တည်ဆောက်ရန်အနည်းဆုံးနှစ်ခုတို့အားထငျရှားစ variable တွေကိုရွေးယူကြ၏။ တစ်ဦးချင်းစီ variable ကို, ကြှနျုပျတို့ထို့နောက်မန်နီးဖက်စ် variable တွေကို operationalize မှ (တစ်ဦးချင်းစီအများအပြားပစ္စည်းများပါဝင်သည်ဟုအောက်ပါတူရိယာ၏ဖော်ပြချက်တွင်ကြည့်ပါ) တစ်ဦးသတ်သတ်မှတ်မှတ်စကေးကိုအသုံးပြုခဲ့သည်။ ငုပ်လျှိုးနေအဆင့်တွင် SEM အတိုင်းဤစစ်ဆင်ရေးမော်ဒယ်ပုံထဲမှာပြသ 1.

 

ပုံ 1 ။ ငုပ်လျှိုးနေအတိုင်းအတာအပေါ် GIA အပေါ်သီအိုရီမော်ဒယ်၏အဓိကယူဆချက်အပါအဝင်အဆိုပါ operationalized မော်ဒယ်။

ဘာသာရပ်များ

ပြည့်စုံသောအွန်လိုင်းစစ်တမ်းကိုသုံးပြီးကျနော်တို့ 1148 ဖြေဆိုသူရှိခဲ့ပါတယ်။ အဆိုပါ psychometric အကြေးခွံထဲမှာမပြည့်စုံသည့်ဒေတာကြောင့် 129 သင်တန်းသားများ၏ဖယ်ပြီးနောက်နောက်ဆုံးနမူနာပါဝင်သည် N = 1019 ။ သင်တန်းသားများကိုကြော်ငြာတွေ, အင်တာနက်ကိုပလက်ဖောင်း (အဖွဲ့အထွေထွေစိတ်ပညာ၏ Facebook အကောင့်: သိမှတ်ခံစားမှု) ကစုဆောင်းခဲ့ကြသည် Duisburg-အက်ဆင်း၏တက္ကသိုလ်ကျောင်းသားများအဖို့, e-mail, စာရင်းများ, နှင့်ဒေသခံအရက်ဆိုင်နှင့်ဘားများတွင်လက်ကမ်းကြော်ငြာတစ်စောင်အဖြစ်စကားလုံး-of- မှတဆင့် ပါးစပ်အကြံပြုချက်များ။ အဆိုပါကြော်ငြာတွေ, e-mail နှင့် Flyer သင်တန်းသားများကိုအောက်ပါပစ္စည်းများကိုတဦးအနိုင်ရဖို့အခွင့်အလမ်းရှိခြင်းတစ် ra ffl အီးအတွက်တစ်စိတ်တစ်ပိုင်းယူနိုငျသောကြေညာချက်ထည့်သွင်း: (1) အိုင်ပက်, (2) အိုင်ပက်မီနီ (3), iPod nano, (4 ), iPod Shu ffl အီး, 20 အမေဇုံလက်ဆောင်ကတ်များ (50 ယူရိုတစ်ဦးချင်းစီ) ။ အဆိုပါလေ့လာမှုကိုဒေသခံကျင့်ဝတ်ကော်မတီကအတည်ပြုခဲ့ပါတယ်။

နောက်ဆုံးနမူနာ၏အသက်သည် ၂၅.၆၁ နှစ်ဖြစ်သည် (SD = 25.61) နမူနာတွင်အမျိုးသမီး ၆၁၅ ဦး (၆၁.၃၃%) နှင့်အမျိုးသား ၃၈၅ (၃၇.၇၈%) ပါဝင်သည် (စေတနာ့ ၀ န်ထမ်းကိုး ဦး ကဤမေးခွန်းကိုဖြေကြားခြင်းမရှိခဲ့ပါ) ။ ပုဂ္ဂလိကဘဝအခြေအနေနှင့် ပတ်သက်၍ ပါဝင်သူ ၅၇၇ ဦး (၅၆.၆၂%) သည်လက်ထပ်ပြီးဖြစ်သည်သို့မဟုတ်လက်ထပ်ခဲ့ကြပြီး ၄၁၀ ဦး (၄၀.၂၄%) သည်လက်ရှိဆက်ဆံရေးမရှိကြောင်းပြသခဲ့သည် (၃၂ ဦး ကဤမေးခွန်းကိုမတုံ့ပြန်ပါ) ။ အကဲဖြတ်ချိန်တွင်သင်တန်းသူ (၆၈၇) ဦး (၆၇.၄၂%) သည်ကျောင်းသားများဖြစ်ပြီး၊ သင်တန်းသား (၃၃၂) ဦး (၃၂.၅၈%) သည်ပုံမှန်အလုပ်ရှိကြသည် (ကျွန်ုပ်တို့၏ပညာရေးနောက်ခံလည်းမရှိ) နမူနာတစ်ခုလုံးတွင်ပါဝင်သူ ၁၁၆ ဦး (၁၁.၄%) သည်ပြaticနာများအင်တာနက်အသုံးပြုခြင်းအတွက်စံနှုန်းများကိုပြည့်မှီစေခဲ့သည်။ အင်တာနက်စွဲလမ်းမှုစမ်းသပ်မှု (s-IAT) တွင်အောက်ဖော်ပြပါကိရိယာ၏ဖော်ပြချက်ကိုကြည့်ပါ) နှင့် ၃၈ ဦး (၃.၇%) သည်။ အင်တာနက်ကိုရောဂါဗေဒအသုံးပြုခြင်း (s-IAT တွင်> ၃၇) ။ အင်တာနက်တွင်သုံးစွဲသောအချိန်သည်တစ်ပတ်လျှင် ၉၇၂.၃၆ မိနစ် (SD = ၉၂၀.၃၇) ဖြစ်သည်။ နမူနာတစ်ခုလုံးမှလူပေါင်း ၉၇၅ ယောက်သည်လူမှုဆက်သွယ်ရေး / ဆက်သွယ်ရေးဆိုဒ်များကိုသုံးခဲ့သည်။M_{မိ / အပတ်က} = 444.47, SD က = 659.05), 998 တစ်ဦးချင်းစီ (97.94%) (အင်တာနက်ပေါ်ရှိသတင်းအချက်အလက်ကိုရှာဖွေM_{မိ / အပတ်က} = 410.03, SD က = 626.26), 988 တစ်ဦးချင်းစီ (96.96%) (စျေးဝယ်က်ဘ်ဆိုက်များကိုသုံးM_{မိ / အပတ်က} = 67.77, SD က = 194.29), အွန်လိုင်းဂိမ်း 557 ပါဝင်သူ (54.66% ကအသုံးပြုခဲ့ကြ M_{မိ / အပတ်က} = 159.61, SD က = 373.65), အွန်လိုင်းလောင်းကစား 161 ပါဝင်သူ (15.80% ကပြုလေ၏ M_{မိ / အပတ်က} = 37.09, SD က = 141.70), နှင့်ဘာ 485 တစ်ဦးချင်းစီ (47.60% ကအသုံးပြုခဲ့သည် M_{မိ / အပတ်က} = 66.46, SD က = 108.28) ။ မျိုးစုံ Internet application များ၏အသုံးပြုမှုနှင့်စပ်လျဉ်း 995 ပါဝင်သူ (97.64%) ပုံမှန်အထက်တွင်ဖော်ပြခဲ့သော Internet application များသုံးသို့မဟုတ်ထိုထက်ပိုသုံးစွဲဖို့ကဖော်ပြခဲ့သည်။

တူရိယာ

တိုတောင်းသောကအင်တာနက်စွဲလမ်းမှုစမ်းသပ်ခြင်း (s-IAT)

အိုဝါ၏ရောဂါလက္ခဏာများကိုအင်တာနက်စွဲလမ်းမှုစမ်းသပ်ခြင်း (များ၏ဂျာမန်ရေတိုဗားရှင်းနဲ့အကဲဖြတ်ခဲ့ကြသည်Pawlikowski et al ။ , 2013), ကတီထွင်မူရင်းဗားရှင်းအပေါ်မှာအခြေခံသော လူငယ်တို့ (1998)။ တိုတောင်းသောဗားရှင်း (s-IAT) တွင်အချက် (၁၂) ခုမှ (၁၂) မှ (၆၀) အထိ (၅) အထိငါးမျိုးဖြင့်ဖြေဆိုရန်လိုအပ်သည်။ ရမှတ်များမှာ ၁၂ မှ ၆၀ အထိရှိပြီးရမှတ်များမှာ> 12 တွင်ပြproblemနာရှိသောအင်တာနက်အသုံးပြုမှုကိုပြသပြီးရမှတ်> ၃၇ ကရောဂါဗေဒအင်တာနက်အသုံးပြုမှုကိုပြသည် (Pawlikowski et al ။ , 2013) ။ ထိန်းချုပ်မှု / အချိန်စီမံခန့်ခွဲမှု၏အရှုံးနှင့်တဏှာ / လူမှုရေးပြဿနာများ (တစ်ဦးချင်းစီရှိခြင်းခြောက်လပစ္စည်းများ): S-IAT နှစ်ခုအချက်များပါဝင်သည်။ အဆိုပါ 12 ပစ္စည်းများနှစ်ဦးစလုံးရေနံဓါတ်ငွေ့ရှာဖွေရေးနှင့် confirmatory အချက်ခွဲခြမ်းစိတ်ဖြာ (CFA နှစ်ခုအချက်များပေါ်တွင် load ပေမယ့်; Pawlikowski et al ။ , 2013(ဥပမာအားဖြင့်အစိတ်အပိုင်းများကိုမော်ဒယ်ထဲမှာဖော်ပြထားတဲ့အတိုင်း), သူတို့က, ် IA ၏တံခါးသော့ကိုရောဂါလက္ခဏာများကိုဖမ်းယူGriffiths က, 2005) ။ ပထမဦးဆုံးအ subscale "ထိန်းချုပ်မှု / အချိန်စီမံခန့်ခွဲမှု၏အရှုံး" ပုဂ္ဂိုလ်တစ်ဦးကြောင့်သူ / သူမသည်အင်တာနက်အသုံးပြုမှုကိုမှနေ့စဉ်အသက်တာ၌အချိန်စီမံခန့်ခွဲမှုပြဿနာများကနေကြုံတွေ့နေကြရသည်ကိုဘယ်လိုခိုင်ခံ့အကဲဖြတ်ထားပါသည် (ဥပမာ, "ဘယ်လိုမကြာခဏအွန်လိုင်းကိုပိုပြီးအချိန်ဖြုန်းဖို့သငျသညျလျစ်လျူရှုအိမ်ထောင်စုအိမ်မှုဝေယျာကြသနည်း" နှင့် "ဘယ်လိုမကြာခဏသင်သည်ကြောင့်ညဥ့်နက်အွန်လိုင်းဖြစ်ခြင်းမှအိပ်ပျော်ခြင်းကိုဆုံးရှုံးသလဲ?") ။ ဒီ subscale ၏ပစ္စည်းများကိုလည်း (ဥပမာ, "ဘယ်လိုမကြာခဏသင့်ရဲ့အဆင့်သို့မဟုတ်ကျောင်းအလုပ်ဘာလို့လဲဆိုတော့သင်အွန်လိုင်းသုံးဖြုန်းအချိန်ပမာဏကို၏ဆင်းရဲဒုက္ခသလဲ?") သည်အင်တာနက်အသုံးပြုမှုများ၏အလွန်အကျွံကြောင့်ဖြစ်ရတဲ့အနုတ်လက္ခဏာအကျိုးဆက်များအကဲဖြတ်ရန်။ ဒါဟာသူတို့ရဲ့အင်တာနက်ကိုအသုံးပြုခြင်းသည်ထိန်းချုပ်များ၏ဘာသာရပ်များအတွေ့အကြုံကိုအရှုံးလျှင်သူတို့ကအင်တာနက်အသုံးပြုမှုကိုလျှော့ချရန်ကြိုးစားခဲ့ခြင်းနှင့်ပျက်ကွက်ခဲ့မယ်ဆိုရင်လည်း "? ဘယ်လိုမကြာခဏသင်ရည်ရွယ်ထက်အွန်လိုင်းကြာကြာနေဖို့ကွောငျးတှေ့ဘူး" (ဥပမာတိုင်းတာနဲ့ "ဘယ်လိုမကြာခဏဖြစ်ပါတယ် သင်အွန်လိုင်းသုံးဖြုန်းနဲ့ကျရှုံးအချိန်ပမာဏကိုခုတ်လှဲရန်ကြိုးစားပါသနည်း ") ။ ပစ္စည်းများအားလုံးအွန်လိုင်းသုံးစွဲအချိန်ကိုတိုင်းတာပါဘူး, ဒါပေမယ့်ဖြစ်စေမတစ်ဦးချင်းစီကသူတို့ရဲ့အင်တာနက်ကိုအသုံးပြုခြင်းသည်၏ရလဒ်အဖြစ်နေ့စဉ်အသက်တာ၌၎င်းတို့၏အင်တာနက်ကိုအသုံးပြုခြင်းနှင့်ပြဿနာများနှင့် ပတ်သက်. ထိန်းချုပ်တဲ့ဆုံးရှုံးမှုကိုခံစားရ။ ဒုတိယ subscale "တဏှာ / လူမှုရေးပြဿနာများ" အစီအမံလတ်နှင့်အတူလူမှုရေး interaction ကများနှင့်အဆက်မပြတ်အပေါ်အလွန်အကျွံအင်တာနက်ကိုအသုံးပြုခြင်းဆိုးကျိုးများ (ဥပမာ, "ဘယ်လိုမကြာခဏသင်လာသောအခါဏ ffl ine အင်တာနက်ပေါ်တွင်နှင့်အတူအာရုံမစိုခံစားရတယ်, သို့မဟုတ်အွန်လိုင်းဖြစ်ခြင်းအကြောင်းကို fantasize သလဲ?") ။ ဒီ subscale ၏ပစ္စည်းများကိုလည်းအချင်းချင်းပုဂ္ဂိုလ်ရေးပြဿနာများအကဲဖြတ်ရန် (ဥပမာ, ကိုဘယ်လိုမကြာခဏသင်သည်ကြီးတွေ, အလံအားမီးရှို့ကြဘူး, ဒါမှမဟုတ်သင်အွန်လိုင်းနေစဉ်တစ်စုံတစ်ဦးကိုသင်နှောင့်အယှက်လျှင်မကျေမနပ်ပြုမူ? ") နှင့်စိတ်ဓါတ်များစည်းမျဉ်း (ဥပမာ," မကြာခဏဘယ်လိုသင်စိတ်ဓာတ်ကျခံစားရပါဘူး, သုန်မှုန် , ဒါမှမဟုတ်ဦးနှောက်အာရုံကြောကိုသင်ဏ ffl ine, သင်အွန်လိုင်းကျောများမှာတခါပျောက်တတ်သောအခါ?) ။ ပစ္စည်းများအားလုံးတစ်ဦးအခြို့သော application ကိုအာရုံစိုက်ခြင်းမရှိဘဲယေဘုယျအားဖြင့်စည်းကမ်းချက်များ "အင်တာနက်က" သို့မဟုတ် "အွန်လိုင်း" ပါဝင်သည်။ နည်းဥပဒေမှာပါဝင်သူအားလုံးမေးခွန်းများကိုအသုံးပြုသောအားလုံး applications များအပါအဝင်အင်တာနက်သူတို့ရဲ့ယေဘုယျအသုံးပြုမှုဆက်စပ်ကြောင်းအသိပေးခံခဲ့ရသည်။

S-IAT (ကောင်းသော psychometric ဂုဏ်သတ္တိများနှင့်တရားဝင်မှုရှိပြီးPawlikowski et al ။ , 2013) ။ ကျွန်တော်တို့ရဲ့နမူနာများတွင်ပြည်တွင်းရေးရှေ့နောက်ညီညွတ်မှု (Cronbach ရဲ့α) ကအချက်တစ်ချက်တဏှာ / လူမှုရေးပြဿနာများအတွက်တပြင်လုံးကိုစကေးအဘို့အ 0.856, ထိန်းချုပ်မှု / အချိန်စီမံခန့်ခွဲမှု၏အချက်ဆုံးရှုံးမှုများအတွက် 0.819 နှင့် 0.751 ဖြစ်ခဲ့သည်။

အကျဉ်းချုပ်ရောဂါလက္ခဏာတွေ Inventory - subscale စိတ်ကျရောဂါ

စိတ်ကျရောဂါ၏ရောဂါလက္ခဏာများ (ဂျာမန်ဗားရှင်းနဲ့အကဲဖြတ်ခဲ့ကြသည်Frank, 2000) ကိုအကျဉ်းချုပ်ရောဂါလက္ခဏာတွေ Inventory ၏ subscale စိတ်ကျရောဂါ (အBoulet နှင့်သူဌေးက, 1991; Derogatis, 1993) ။ အဆိုပါစကေးကနောက်ဆုံး 7 နေ့ရက်ကာလအဘို့စိတ်ကျရောဂါလက္ခဏာတွေအကဲဖြတ်ခြောက်လပစ္စည်းများပါဝင်သည်။ အဖွမြေား (= အလွန်အမင်း) 0 (= မဟုတ်မှာအားလုံး) မှ 4 အထိငါးအချက်စကေးအပေါ်ပေးအပ်ခြင်းခံရဖို့ရှိသည်။ ကျွန်တော်တို့ရဲ့နမူနာအတွက် internal ရှေ့နောက်ညီညွတ်မှု (Cronbach ရဲ့α) 0.858 ဖြစ်ခဲ့သည်။

အကျဉ်းချုပ်ရောဂါလက္ခဏာတွေ Inventory - subscale လူ့ sensitivity ကို

လူမှုရေးစိုးရိမ်ပူပန်မှုနှင့်လူ့ sensitivity ကို၏ရောဂါလက္ခဏာများ (ဂျာမန်ဗားရှင်းနဲ့အကဲဖြတ်ခဲ့ကြသည်Frank, 2000) ကိုအကျဉ်းချုပ်ရောဂါလက္ခဏာတွေ Inventory ၏ subscale လူ့ sensitivity ကို၏ (Boulet နှင့်သူဌေးက, 1991; Derogatis, 1993) ။ အဆိုပါစကေးလေးပစ္စည်းများနှင့်အဖြေကိုပါဝင်ပါသည် (= အလွန်အမင်း) 0 (= မဟုတ်မှာအားလုံး) မှ 4 အထိငါးအချက်စကေးအပေါ်ပေးအပ်ခြင်းခံရဖို့ရှိသည်။ ကျွန်တော်တို့ရဲ့နမူနာအတွက် internal ရှေ့နောက်ညီညွတ်မှု (Cronbach ရဲ့α) 0.797 ဖြစ်ခဲ့သည်။

self-ချစ်ခင်လေးမြတ်စကေး

self-တန်ဖိုးထားခြင်း (self-ချစ်ခင်လေးမြတ်စကေးများကအကဲဖြတ်ခဲ့သည်Rosenberg က, 1965) ။ ကျနော်တို့ကဒီမှာပြုပြင်ထားသောဂျာမန်ဗားရှင်း (ကိုအသုံးပြုCollani နှင့် Herzberg, 2003), အရာတဆယ်ပစ္စည်းများပါဝင်သည်။ အဖြေ 0 မှ 3 (= ပြင်းပြင်းထန်ထန်သဘောမတူ) (= ပြင်းပြင်းထန်ထန်သဘောတူ) မှအထိလေးအမှတ်စကေးအပေါ်ပေးအပ်ခြင်းခံရဖို့ရှိသည်။ ကျွန်တော်တို့ရဲ့နမူနာအတွက် internal ရှေ့နောက်ညီညွတ်မှု (Cronbach ရဲ့α) 0.896 ဖြစ်ခဲ့သည်။

self-ထိရောက်မှုစကေး

self-ထိရောက်မှုကို (self-ထိရောက်မှုစကေးများကအကဲဖြတ်ခဲ့သည်Schwarzer နှင့်ယေရုရှလင်, 1995), အရာ 10 ပစ္စည်းများပါဝင်သည်။ အဖွမြေား 1 (= ဟုတ်မှန်သောမဟုတ်) ကနေ 4 (= အတိအကျမှန်) အထိလေးအမှတ်စကေးအပေါ်ပေးအပ်ခြင်းခံရဖို့ရှိသည်။ ကျွန်တော်တို့ရဲ့နမူနာအတွက် internal ရှေ့နောက်ညီညွတ်မှု (Cronbach ရဲ့α) 0.863 ဖြစ်ခဲ့သည်။

နာတာရှည်စိတ်ဖိစီးမှုများအတွက် Trier Inventory

စိတ်ဖိစီးမှုအားနည်းချက်နာတာရှည်စိတ်ဖိစီးမှု (TICS များအတွက် Trier Inventory ၏စိစစ်ဗားရှင်းဖြင့်တိုင်းတာခဲ့သည်; Schulz et al ။ , 2004) ။ အဆိုပါစိစစ်ကနောက်ဆုံး 12 လအတွင်းစိတ်ဖိစီးမှုထိတွေ့မှုနှင့် ပတ်သက်. 3 ပစ္စည်းများပါဝင်သည်။ တစ်ခုချင်းစီကိုကြေညာချက် 0 (= ဘယ်တော့မှ) မှ 4 (= အလွန်မကြာခဏ) အထိငါးအချက်စကေးအပေါ်ဖြေကြားခံရဖို့ရှိပါတယ်။ ကျွန်တော်တို့ရဲ့နမူနာအတွက် internal ရှေ့နောက်ညီညွတ်မှု (Cronbach ရဲ့α) 0.908 ဖြစ်ခဲ့သည်။

အထီးကျန်ခြင်းစကေး

အဆိုပါအထီးကျန်ခြင်းစကေး၏ရေတိုဗားရှင်း (de Jong Gierveld နှင့်ဗန် Tilburg, 2006) အထီးကျန် (subscale စိတ်ခံစားမှုအထီးကျန်သုံးပစ္စည်းများ) နှင့်ရိပ်မိလူမှုရေးထောက်ပံ့မှု (လူမှုရေးထောက်ခံမှု subscale သုံးပစ္စည်းများ) ၏ခံစားချက်များကိုတိုင်းတာရန်အသုံးပြုခဲ့သည်။ အားလုံးထုတ်ပြန်ချက်များ 1 မှ 5 ထံမှ (= အဘယ်သူမျှမ!) ငါးအချက်စကေးအပေါ်ဖြေကြားခံရဖို့ရှိသည် (= ဟုတ်ကဲ့!) ။ ကျွန်တော်တို့ရဲ့နမူနာအတွက် internal ရှေ့နောက်ညီညွတ်မှု (Cronbach ရဲ့α) ကို subscale လူမှုရေးထောက်ခံမှုများအတွက် subscale စိတ်ခံစားမှုအထီးကျန်များအတွက် 0.765 နှင့် 0.867 ဖြစ်ခဲ့သည်။

ကိုင်တွယ်ဖြေရှင်းနိုင်အကျဉ်း

အဆိုပါအကျဉ်းချုပ် (ကိုင်တွယ်ဖြေရှင်းနိုင်Carver, 1997အများအပြားကွဲပြားခြားနားသောဆင့်ခံဒိုမိန်းအတွက်စတိုင်ကိုင်တွယ်ဖြေရှင်း) အစီအမံ။ ဒီနေရာမှာကျနော်တို့ (ဂျာမန်ဗားရှင်းသုံးမျိုး subscales ကိုအသုံးပြုKnoll et al ။ , 2005): ငြင်းပယ်, ပစ္စည်းဥစ္စာကိုအသုံးပြုခြင်းနှင့်အမူအကျင့်ဆဲပါ။ တစ်ခုချင်းစီကို subscale (= ငါသည်ဤတွေအများကြီးလုပ်နေခဲ့ကြရတယ်) 1 (= ရှိသမျှတို့ကိုငါမှာဒီလုပ်နေကြပြီမဟုတ်) မှ 4 အထိလေးအမှတ်စကေးအပေါ်ဖြေကြားကြရသည်ရာနှစ်ခုပစ္စည်းများဖြင့်ကိုယ်စားပြုခဲ့ပါတယ်။ ကျွန်တော်တို့ရဲ့နမူနာအတွက် internal ရှေ့နောက်ညီညွတ်မှု (Cronbach ရဲ့α) ကို subscale ပစ္စည်းဥစ္စာကိုအသုံးပြုခြင်းများအတွက် subscale ငြင်းပယ်, 0.561 များအတွက် 0.901 ကြီးနှင့် 0.517 အဆိုပါ subscale အပြုအမူဆဲပါသည်။ ချိန်ခွင်နှစ်ခုသာပစ္စည်းများထားရှိရေးနှင့်တူရိယာ Re-စမ်းသပ်ယုံကြည်စိတ်ချရအပေါ်အစီရင်ခံစာများအပါအဝင်အများအပြား validation ကိုလေ့လာမှုများအတွက်အသုံးပြုခဲ့တာကိုပေးထားကြောင်းပေးထားကျနော်တို့ယုံကြည်စိတ်ချရအဖြစ်လက်ခံနိုင်ဖွယ်စဉ်းစားပါ။

အင်တာနက်ကိုအသုံးပြုခြင်းကိုမျှော်လင့်စကေး

ပထမဦးဆုံးဗားရှင်း - - 16 ပစ္စည်းများသည်အင်တာနက်အသုံးပြုမှုကိုမျှော်လင့်ထားအကဲဖြတ်ရန်, ငါတို့ပါဝင်သည်ဟုအသစ်တစ်ခုစကေးတီထွင်ထုတ်လုပ်နိုင်ခဲ့သည်။ ဥပမာအားဖြင့်အစီရင်ခံအဖြစ်အဆိုပါပစ္စည်းများကိုအချက်များလှုံ့ဆျောမှုတချို့ core ကိုရောင်ပြန်ဟပ် Xu et al ။ (2012) နှင့်လည်းအားဖြင့် ရီ (2006)။ အဆိုပါပစ္စည်းများတာဝန်ပေးအပ်ခဲ့သည် တစ်ဦး အပြုသဘောအားကောင်း (ဥပမာ, "ငါပျော်မွေ့တွေ့ကြုံခံစားရန်အင်တာနက်ကိုအသုံးပြုဖို့") နှင့်ထိုထင်ဟပ်အနုတ်လက္ခဏာအားဖြည့် (ဥပမာ, "ငါပြဿနာများမှအာရုံရန်အင်တာနက်ကိုအသုံးပြုဖို့") ထင်ဟပ်သည်အင်တာနက်အသုံးပြုမှုကိုမျှော်လင့်နှစ်ခုအကြေးခွံ (တစ်ဦးချင်းစီရှိခြင်းရှစ်ပစ္စည်းများ) ဖြစ်သည်။ အားလုံးအဖြေကို 1 (= လုံးဝသဘောမတူ) မှ 6 (= လုံးဝသဘောတူ) အထိခြောက်မှတ်စကေးအပေါ်ပေးထားခဲ့ကြသည်။ ကြှနျုပျတို့သညျဤလေ့လာမှုမှာကောက်ယူထားသောဒေတာများ (၏အခြေခံတွင်N = 1019), ကျနော်တို့အနေနဲ့ရေနံဓါတ်ငွေ့ရှာဖွေရေးအချက်ခွဲခြမ်းစိတ်ဖြာ (EFA) ပြုလုပ်ခဲ့သည်။ ဦးချိုရဲ့ (1965) အပြိုင်စိတ်ဖြာခြင်းနှင့်နိမ့်ဆုံးပျမ်းမျှအားတစ်စိတ်တစ်ပိုင်း (MAP) စမ်းသပ်မှု (Velicer, 1976) အချက်တွေထဲကသင့်လျော်သောအရေအတွက်ကဆုံးဖြတ်ရန်အသုံးပြုခဲ့ကြသည်။ ဒါဟာလုပ်ထုံးလုပ်နည်းတည်ငြိမ်သောနှစ်ခု-Factor ဖြေရှင်းချက်ခဲ့သည်။ ကျောင်းအုပ်ကြီးအစိတ်အပိုင်းခွဲခြမ်းစိတ်ဖြာနှင့် varimax လည်ပတ်နဲ့ EFA ပြီးတော့အင်တာနက်ကိုအသုံးပြုခြင်းကိုမျှော်လင့်စကေး (IUES) ၏ဖွဲ့စည်းပုံအကဲဖြတ်ရန်ကောက်ယူခဲ့သည်။ အဆိုပါ EFA ၏ရလာဒ်နှစ်ခု-Factor ဖွဲ့စည်းပုံမှာအကြွင်းအကျန် (စားပွဲတင်အတူ IUES ၏နောက်ဆုံး 8-item ကိုဗားရှင်းနဲ့ကောက်ချက်ချ 1) ။ ဤအချက်နှစ်ချက်နှင့်အတူကျွန်ုပ်တို့သည်ကှဲလှဲရှင်းပြချက်ကို ၆၃.၄၁% တွေ့ရှိခဲ့သည်။ ပထမအချက်တွင်အဓိကအချက် (> 63.41) တွင်မြင့်မားသောဝန်လေးမျိုးနှင့်အခြားအချက်တစ်ချက် (<0.50) အပေါ်လေးသောပစ္စည်းများပါဝင်ပြီးအပြုသဘောဆောင်သောမျှော်လင့်ချက်များနှင့်သက်ဆိုင်သောကြောင့်ဤအချက်ကို“ အပြုသဘောဆောင်သောမျှော်လင့်ချက်များ” ဟုကျွန်ုပ်တို့သတ်မှတ်ခဲ့သည်။ ဒုတိယအချက်မှာအဓိကအချက် (၀.၅၀) တွင်မြင့်သောဝန်လေးမျိုးနှင့်အခြားအချက် (၀.၀.၂၀) တွင်ဝန်လေးမျိုးပါဝင်ပြီးအနုတ်လက္ခဏာခံစားချက် (သို့) အတွေးများကိုရှောင်ရှားရန်သို့မဟုတ်လျှော့ချရန်အတွက်အင်တာနက်နှင့်သက်ဆိုင်သောပစ္စည်းများအားလုံးပါဝင်သည်။ အချက် "ရှောင်ရှားခြင်းမျှော်လင့်။ " အချက်နှစ်ချက်လုံးသည်ကောင်းမွန်သောယုံကြည်စိတ်ချရမှုရှိသည် (Cronbach ၏α = 0.20 နှင့်“ ရှောင်ရှားခြင်းမျှော်လင့်ချက်များ” Cronbach ၏α = 0.50) ။ အဆိုပါအချက်နှစ်ချက်သိသိသာသာဆက်နွယ်နေကြောင်းခဲ့ကြသည်r = 0.496, p <0.001) အလယ်အလတ်အကျိုးသက်ရောက်မှုနှင့်အတူCohen ကို, 1988).

 

TABLE 1 ။ factor Load နှင့် IUES ၏နှစ်ခုအချက်များ, အ rated ပစ္စည်းများနှင့်ပစ္စည်းနံပါတ်များနည်းလမ်းများ၏ယုံကြည်စိတ်ချရသော။

အဆိုပါတူရိယာများ၏ factorial ဖွဲ့စည်းပုံမှာသေချာစေရန်, ငါတို့ 169 ဘာသာရပ်များတစ်ဦးအပိုဆောင်းနမူနာအကဲဖြတ် (အသက် = 21.66, SD က = 2.69 ဆိုလို; 106 အမျိုးသမီး) တစ်ဦး CFA လျှောက်ထားသည်။ အဆိုပါ CFA (Mplus အတူပြုလေ၏Muthénနှင့်Muthén, 2011) ။ မော်ဒယ်ကိုက်ညီတဲ့၏အကဲဖြတ်ဘို့, ကျနော်တို့ (စံစံလျှောက်ထားဟူနှင့် Bentler, 1995, 1999):; CFI / TLI (နှိုင်းယှဉ်ထိုက်မတန်ညွှန်းကိန်း, 0.08 အောက်တွင်ဖော်ပြထားသောတန်ဖိုးများကိုဒေတာနှင့်အတူအကောင်းမထိုက်မတန်ညွှန်ပြ); အဆိုပါစံချိန်စံညွှန်းမီအမြစ်စတုရန်းကျန်နေတဲ့ (SRMR ဆိုလို 0.90 အထက်တွင်တန်ဖိုးများ 0.95 အထက်တွင်တန်ဖိုးများအလွန်အစွမ်းထက်တဲ့မထိုက်မတန်), ကောင်းတစ်ဦးမထိုက်မတန်ညွှန်ပြခြင်း, အမြစ်စတုရန်းဆိုလို အကြမ်းဖျင်း၏အမှား (RMSEA; "အနီးကပ်မထိုက်မတန်၏စမ်းသပ်မှု"; 0.08 အောက်တွင်ဖော်ပြထားသောတစ်ဦးအရေးပါမှုတန်ဖိုး 0.05 အောက်တွင်ဖော်ပြထားသောတန်ဖိုးလက်ခံနိုင်ဖွယ်မထိုက်မတန်ညွှန်ပြ) ။ က The RMSEA 0.047 ခဲ့ CFI 0.984, အ TLI 0.975 ကြီးနှင့် SRMR 0.031 ခဲ့ပါတယ်: အဆိုပါ CFA အလွန်အစွမ်းထက်တဲ့မထိုက်မတန် parameters တွေကိုမှအကောင်းနှင့်အတူ IUES ဘို့နှစ်ခု-Factor ဖြေရှင်းချက်အတည်ပြုပြောကြားခဲ့သည်။ အဆိုပါχ² စမ်းသပ်မှု, χသိသိသာသာမဟုတ်ခဲ့² = 24.58, p = 0.137 ဇယားမှာပြထားတဲ့အတိုင်းအချက်အလက်များကိုသီအိုရီမော်ဒယ် (နှစ်ခုအချက်များဖြေရှင်းချက်မှသိသိသာသာသွေဖည်မပြုခဲ့ကြောင်းညွှန်ပြ 1) ဒီနမူနာသာ, ထို CFA ဘို့ကောက်ယူခဲ့သည်။ အဆိုပါဒေတာနောက်ထပ်စမ်းသပ်မှုများတွင်မပါဝင်ခဲ့ကြသည်။

စာရင်းအင်းဆန်းစစ်ခြင်းများပြုလုပ်ထားခြင်း

စာရင်းအင်းစံလုပ်ထုံးလုပ်နည်းများ Windows အတွက် SPSS 21.0 နှင့်အတူထွက်သယ်ဆောင် (IBM က SPSS စာရင်းအင်း, 2012 ဖြန့်ချိ) ခံခဲ့ရသည်။ Pearson ဆက်စပ်မှုနှစ်ခု variable တွေကိုအကြားသုညယူမှုကိုဆက်ဆံရေးအဘို့စမ်းသပ်ဖို့တွက်ချက်ခဲ့ကြသည်။ ကျွန်ုပ်တို့ s ကို-IAT (ခြုံငုံရမှတ်) တွင်တွေ့ရှိခဲ့အဖြစ်ဘေးထွက်မသိချင်ယောင်အဆောင်များအတွက်ဒေတာကိုထိန်းချုပ်ဖို့, ငါတို့အတူတူပင်ယုတ်စံသွေဖည်အတူပုံမှန်အားဖြန့်ဝေကျပန်း variable ကိုဖန်တီးခဲ့သည်။ အဆိုပါဆက်စပ်မှုဒေတာအတွက်ဘေးထွက်မသိချင်ယောင်အဆောင်ကလွှမ်းမိုးမခံခဲ့ရလျှင်ဒီကျပန်း variable ကိုသီအိုရီ, အကျိုးစီးပွားအားလုံး variable တွေကိုပေးရန်သက်ဆိုင်တဲ့ဖြစ်သင့်သည်။ အဆိုပါကျပန်း variable ကိုအတူအားလုံးဆက်စပ်မှုကအလွန်နိမ့်ခဲ့ကြ, rs <0.049, နောက်ဆုံးနမူနာအတွက်အကြေးခွံမဆိုအတွက်သိသိသာသာသြဇာဘေးထွက်မသိသေးသောရှိခဲ့သည်ကိုညွှန်ပြ (N = 1019) ။ ထို့အပြင်အဆိုပါ variable တွေကိုအကြား scatterplots အမြင်အာရုံထိန်းချုပ်ထားခဲ့သည်။ နောက်တဖန်အဘယ်သူမျှမလွန်ကဲဘေးထွက်မသိချင်ယောင်အဆောင်တွေ့ရှိခဲ့သည်။ ထို့ကြောင့်ဆန်းစစ်ခြင်းများပြုလုပ်ထားခြင်းအားလုံးဘာသာရပ်များနှင့်အတူဖျော်ဖြေခဲ့ကြသည်။

အဆိုပါ SEM ခွဲခြမ်းစိတ်ဖြာ (Mplus 6 နှင့်အတူတွက်ချက်ခဲ့သည်Muthénနှင့်Muthén, 2011) ။ အဘယ်သူမျှမပျောက်ဆုံးဒေတာရှိခဲ့သည်။ အပြည့်အဝမော်ဒယ်စမ်းသပ်မီငုပ်လျှိုးနေအတိုင်းအတာ၏ကိုက်ညီတဲ့လည်း Mplus အတွက် CFA သုံးပြီးစမ်းသပ်စစ်ဆေးခဲ့ကြသည်။ , SEM နှင့် CFA နှစ်ဦးစလုံးသည်, အများဆုံးဖြစ်နိုင်ခြေကို parameter သည်ခန့်မှန်းချက်လျှောက်ထားခဲ့သည်။ မော်ဒယ်ကိုက်ညီတဲ့၏အကဲဖြတ်ဘို့ကျနော်တို့စံသတ်မှတ်ချက် (လျှောက်ထားဟူနှင့် Bentler, 1995, 1999) အဖြစ်ထားပြီးရှေ့တော်၌ထိုအခန်းတွင်ဖော်ပြခဲ့သည်။ ဖျန်ဖြေခွဲခြမ်းစိတ်ဖြာလျှောက်ထားထိုသို့နှင့်အညီ, မလိုအပ်ခဲ့သည် Baron နှင့် Kenny (1986)အဆိုပါစေ့စပ်ဖြန်ဖြေတွင်ထည့်သွင်းအားလုံး variable တွေကိုတစ်ဦးချင်းစီကတခြားတွေနဲ့ပတျသကျသငျ့ကွောငျး။ ကျနော်တို့ကိုလည်းကိုင်တွယ်ဖြေရှင်းအယူအဆတစ်ခုကအခြားရွေးချယ်စရာစိတ်ကူးများအတွက်အပိုဆောင်းစမ်းသပ်မှုအဖြစ်အလားအလာသည်စိစစ်သက်ရောက်မှုကိုခွဲခြားစိတ်ဖြာဘို့တည်းဖြတ် Regression ကိုအသုံးပြုခဲ့သည်။

ရလဒ်များ

ဖော်ပြရန်တန်ဖိုးများနှင့်ဆက်စပ်

S-IAT နှင့်လျှောက်ထားရှိသမျှသည်အခြားသောအကြေးခွံထဲမှာနမူနာ '' ယုတ်ရမှတ်ဇယားတွင်တွေ့နိုင်ပါသည် 2။ ရဲ့အဓိပ္ပာယ်ကို s ကို-IAT ရမှတ် M = 23.79 (SD က = 6.69) ကအစီရင်ခံသည်ရမှတ်တွေနဲ့အတော်လေးနှိုင်းယှဉ်ဖြစ်ပါသည် Pawlikowski et al ။ (2013) အထွေထွေလူဦးရေရဲ့ 1820 ဘာသာရပ်များ (တစ်နမူနာများအတွက်ယုတ် s ကို-IAT ရမှတ်ခဲ့သည် M = 23.30, SD က = 7.25) ။ အဆိုပါ bivariate S-IAT (ပေါင်းလဒ်ရမှတ်) အကြားဆက်စပ်မှုများနှင့်အုပ်ချုပ်မေးခွန်းနှင့်အကြေးအတွက်ရမှတ်ဇယားမှာပြနေကြသည် 3.

 

TABLE 2 ။ လျှောက်ထားချိန်ခွင်၏ရမှတ်များဆိုလို။

 

TABLE 3 ။ S-IAT (ပေါင်းလဒ်ရမှတ်) နှင့်အုပ်ချုပ်မေးခွန်းအတွက်ရမှတ်များအကြားဆက်စပ်မှု Bivariate ။

confirmatory Factor ခွဲခြမ်းစိတ်ဖြာခြင်းအတွက်အဆိုပြုထား Model ရဲ့ငုပ်လျှိုးနေအရွယ်အစား

စနစ်တကျအဆိုပြုထားသီအိုရီမော်ဒယ်စမ်းသပ်နိုင်ဖို့အတွက်ကျနော်တို့ပထမဦးဆုံးကငုပ်လျှိုးနေအတိုင်းအတာလက်ခံမန်နီးဖက်စ် variable တွေကိုကိုယ်စားပြုနေကြသည်ရှိမရှိစမ်းသပ်ပြီးခဲ့ကွောငျးကိုဆိုလိုသောအချက်မော်ဒယ်ခွဲခြမ်းစိတ်ဖြာ။ ထို့ကြောင့်, CFA ခြောက်ငုပ်လျှိုးနေရှုထောင့် (တဦးတည်းကိုမှီခိုအတိုင်းအတာသုံးခန့်မှန်းအတိုင်းအတာနှစ်ခုဖျန်ဖြေရှုထောင့်) နဲ့ဖျော်ဖြေခဲ့ပါတယ်။ အဆိုပါ RMSEA နှင့်အတူ 0.066 ခဲ့သည် p <0.001, CFI သည် ၀.၉၅၁၊ TLI သည် ၀.၉၂၈ နှင့် SRMR သည် ၀.၀၄၁ ဖြစ်ပြီးကောင်းမွန်သောမော်ဒယ်လ်ပုံစံဖြစ်သည်။

ပထမဦးဆုံးအငုပ်လျှိုးနေရှုထောင် "GIA လက္ခဏာတွေ" ရည်ရွယ်အဖြစ် s ကို-IAT (ထိန်းချုပ်မှု / အချိန်စီမံခန့်ခွဲမှုနှင့်တဏှာ / လူမှုရေးပြဿနာများ၏ဆုံးရှုံးခြင်း) ၏နှစ်ခုအချက်များအတွက်ရမှတ်များကကောင်းစွာကိုယ်စားပြုခဲ့ပါတယ်။ ပထမဦးဆုံးခန့်မှန်း variable ကို "psychopathological လက္ခဏာတွေ" သိသိသာသာ BSI (စိတ်ကျရောဂါနှင့်လူ့ sensitivity ကို) ၏နှစ်ခု subscales ကိုယ်စားပြုခဲ့ပါတယ်။ ကောင်းကောင်းသုံးတွေးဆမှုကိုထငျရှားစ variable တွေကို (Self-ထိရောက်မှု, Self-လေးစားမှုနှင့်စိတ်ဖိစီးမှုအားနည်းချက်) ကကိုယ်စားပြုခဲ့ရှုထောင် "ကိုယ်ရည်ကိုယ်သွေးရှုထောင့်" နှင့်ပြီးခဲ့သည့်ခန့်မှန်းရှုထောင် "လူမှုရေးသိမြင်မှု" ဟုအဆိုပါအထီးကျန်စကေး၏နှစ်ခု subscales အားဖြင့်ကောင်းစွာကိုယ်စားပြုခဲ့ပါသည် (စိတ်ပိုင်း အထီးကျန်နှင့်လူမှုရေးထောက်ခံမှု) ။ ရလဒ်များ "ဖြေရှင်း" ကောင်းကောင်းကိုင်တွယ်ဖြေရှင်းနိုင် (ငြင်းပယ်, ပစ္စည်းဥစ္စာအလွဲသုံးစားမှုနှင့်အမူအကျင့်ဆဲပါ) နှင့်ဒုတိယဖျန်ဖြေရှုထောင် "အင်တာနက်ကိုအသုံးပြုခြင်းသည်မျှော်လင့်ထား" ၏သုံး subscales ကိုယ်စားပြုခဲ့သည်ကိုပထမဦးဆုံးယူဆချက်ဖျန်ဖြေအတိုင်းအတာကောင်းစွာ (နှစ်ခု IUES အချက်များကကိုယ်စားပြုခဲ့ကွောငျးတငျပွခဲ့သ အပြုသဘောကိုမျှော်လင့်ခြင်းနှင့်ရှောင်ရှားခြင်းမျှော်လင့်ထား) ။

ယေဘုယျအား, ထို CFA အဆိုပါငုပ်လျှိုးနေရှုထောင့်မန်နီးဖက်စ် variable တွေကိုအားဖြင့်လက်ခံကိုယ်စားပြုရှိနေသည်။ ကိုသာရှုထောင်အတွက်စကေးပစ္စည်းဥစ္စာအလွဲသုံးစားမှုကိုင်တွယ်ဖြေရှင်း (ကအားနည်းအချက်တင် (β = 0.424) ရှိပြီးသို့သော်သိသာထင်ရှားသောp <0.001) ထို့ကြောင့်လုံလောက်သော, ခြုံငုံမော်ဒယ်ဒေတာနှင့်အတူကောင်းစွာတပ်ဆင်ကြောင်းပေးထားသော။ အားလုံးအချက်ဝန်နှင့်စံအမှားများကိုဇယားတွင်ပြထားပါသည် 4.

 

TABLE 4 ။ Mplus အတွက် CFA နှင့်အတူစမ်းသပ်ပြီးဟာငုပ်လျှိုးနေရှုထောင့်, အပေါ်မန်နီးဖက်စ် variable တွေကို '' ဝန်၏ကိန်း။

အဆိုပါအပြည့်အဝဖွဲ့စည်းတည်ဆောက်ပုံညီမျှခြင်းမော်ဒယ်

(ထိုနှစ်ခု s ကို-IAT အချက်များအားဖြင့်လုပ်ပါတယ်) မှီခို variable ကိုအဖြစ် GIA နှင့်အတူငုပ်လျှိုးနေအတိုင်းအတာအပေါ်အဆိုပြုထားသောသီအိုရီမော်ဒယ်ဒေတာနဲ့ကောငျးတဲ့မထိုက်မတန်လြှော့။ အဆိုပါ RMSEA နှင့်အတူ 0.066 ခဲ့သည် p <0.001, CFI ၀.၉၅၊ TLI သည် ၀.၉၃ ဖြစ်ပြီး SRMR သည် ၀.၀၄၁ ဖြစ်သည်။ χ² စမ်းသပ်မှု, χသိသာခဲ့သည်² = 343.89, p <0.001, ကြီးမားသောနမူနာအရွယ်အစားပေးထားပုံမှန်ဖြစ်သော။ သို့သော်χ² ယင်းအခြေခံမော်ဒယ်စမ်းသပ်မှုလည်းတစ်ခုကျယ်ပြန့်မြင့်မားတဲ့χနှင့်အတူသိသာခဲ့သည်² တန်ဖိုးχ² = 5745.35, p <0.001 ။ အချုပ်အားဖြင့်ဆိုရလျှင်ဒေတာသည်အဆိုပြုထားသောသီအိုရီပုံစံနှင့်ကောင်းစွာကိုက်ညီသည်။ ယေဘုယျအားဖြင့် GIA ၏ကှဲလှဲမှု၏ ၆၃.၅% ၏အချိုးအစားကို SEM အပြည့်ဖြင့်သိသိသာသာရှင်းပြခဲ့သည် (R² = 0.635, p <0.001) ။ ပုံစံနှင့်တိုက်ရိုက်နှင့်သွယ်ဝိုက်သက်ရောက်မှုများကိုပုံတွင်ပြထားသည် 2.

 

ပုံ 2 ။ အဆိုပါငုပ်လျှိုးနေအတိုင်းအတာ၏အချက် Load, β-အလေးအပါအဝင်အခြေခံအဆောက်အဦးညီမျှခြင်းမော်ဒယ်၏ရလဒ်များ, p-values ​​နှင့်အကြွင်းအကျန်။ ***p <0.001 ။

GIA အပေါ်ခန့်မှန်းအားလုံးသုံးတိုက်ရိုက်သက်ရောက်မှု (ပုံသိသိသာသာမဟုတ်ကြ 2) ။ ဒါပေမယ့်ငုပ်လျှိုးနေ variable ကို psychopathological ရှုထောင့်များ၏တိုက်ရိုက်အကျိုးသက်ရောက်မှုအနည်းငယ်နှင့်အတူအရေးပါမှုကိုရောက်ရှိဖို့ရန်ပျက်ကွက်ကြောင်းသတိပြုပါ p = 0.059 ။ အမှု၌တဆိုနိုင်သည်သိသိသာသာတိုက်ရိုက်အကျိုးသက်ရောက်မှုအနက်ကိုဘော်ပြလိမ့်မယ် - - ဒီနေရာတွင်ကβ-အလေးချိန်ကြောင်းညွှန်ပြ, အနုတ်လက္ခဏာဖွစျကွောငျးကိုထည့်သွင်းစဉ်းစားရမည့်ရှိပါတယ်ပိုမိုမြင့်မားစိတ်ကျရောဂါနှင့်လူမှုရေးစိုးရိမ်ပူပန် GIA ၏အနိမ့်လက္ခဏာတွေနဲ့အတူလက်၌လက်ကိုသွား psychopathological ရှုထောင့်ကနေသွယ်ဝိုက်အကျိုးသက်ရောက်လျှင် နှစ်ခုဖျန်ဖြေ variable တွေကို (အသုံးပြုမှုကိုမျှော်လင့်ထားကိုင်တွယ်ဖြေရှင်းနှင့်အင်တာနက်) ကျော် partialized နေကြသည်။ ငုပ်လျှိုးနေကိုင်တွယ်ဖြေရှင်းဖျန်ဖြေ variable တွေကိုနှင့်အင်တာနက်အသုံးပြုမှုကိုမျှော်လင့်နှစ်ခုလုံးကိုအပေါ်နှစ်ခုငုပ်လျှိုးနေခန့်မှန်း variable တွေကို psychopathological ရှုထောင့်နှင့်ကိုယ်ရည်ကိုယ်သွေးကနေတိုက်ရိုက်သက်ရောက်မှုသိသိသာသာရှိကြ၏။ ဆန့်ကျင်ဘက်အားဖြင့်, ဖြေရှင်းနှင့်အင်တာနက်အသုံးပြုမှုကိုနှစ်ဦးစလုံးမျှော်လင့်ထားပေါ်ငုပ်လျှိုးနေ variable ကိုလူမှုရေးသိမြင်မှုကနေတိုက်ရိုက်သက်ရောက်မှုအခြားနှစ်ဦးကိုငုပ်လျှိုးနေအတိုင်းအတာ၏သက်ရောက်မှုများအတွက်ထိန်းချုပ်ထားသည့်အခါဤအအကျိုးသက်ရောက်မှုများသိသိသာသာမဟုတ်ကြဆိုလိုတာက, သိသာဘူး။

သို့သျောလညျး, အင်တာနက်အသုံးပြုခြင်းကိုမျှော်လင့်လူမှုရေးသိမြင်မှုကနေသက်ရောက်မှုအနည်းငယ်နှင့်အတူအရေးပါမှုကိုရောက်ရှိဖို့ရန်ပျက်ကွက် p = 0.073 ။ GIA မှကိုင်တွယ်ဖြေရှင်းမှအတိုက်ရိုက်သက်ရောက်မှု (p <0.001) နှင့်အင်တာနက်အသုံးပြုမှုမျှော်လင့်ချက်များမှ (p <0.001) အားကြီးသောအကျိုးသက်ရောက်မှုအရွယ်အစားနှင့်အတူသိသာခဲ့ကြသည်။

GIA မှကိုင်တွယ်ဖြေရှင်းကျော် psychopathological ရှုထောင့်ကနေသွယ်ဝိုက်အကျိုးသက်ရောက်မှုသိသာထင်ရှားသော (β = 0.173, အရှေ့တောင် = 0.059 ခဲ့သည် p = 0.003) ။ ဒါ့အပြင် GIA အင်တာနက်အသုံးပြုမှုကိုမျှော်လင့်ကျော် psychopathological ရှုထောင့်ကနေသွယ်ဝိုက်အကျိုးသက်ရောက်မှု, β = 0.159, အရှေ့တောင် = 0.072 (သိသာခဲ့သည် p = 0.027) ။ GIA မှကိုင်တွယ်ဖြေရှင်းကျော်ကိုယ်ရည်ကိုယ်သွေးရှုထောင့်ကနေသွယ်ဝိုက်အကျိုးသက်ရောက်မှုကိုလည်းသိသာထင်ရှားသော (β = -0.08, အရှေ့တောင် = 0.041 ခဲ့သည် p = 0.05), ဒါပေမယ့်အကျိုးသက်ရောက်မှုအရွယ်အစားအလွန်သေးငယ်ဖြစ်ခဲ့သည်။ GIA အင်တာနက်အသုံးပြုမှုကိုမျှော်လင့်ကျော်ကိုယ်ရည်ကိုယ်သွေးရှုထောင့်ကနေသွယ်ဝိုက်အကျိုးသက်ရောက်မှုသိသာထင်ရှားသော (β = -0.160, အရှေ့တောင် = 0.061 ခဲ့သည် p = 0.009) ။ ကိုင်တွယ်ဖြေရှင်းကျော်လူမှုရေးသိမြင်မှုကနေသွယ်ဝိုက်သက်ရောက်မှု (β = 0.025, အရှေ့တောင် = 0.030, နှစ်ဦးစလုံး p = 0.403) နှင့်အင်တာနက်အသုံးပြုမှုကိုမျှော်လင့်ထား (β = -0.08, အရှေ့တောင် = 0.045, ကျော်လူမှုရေးသိမှတ်ခံစားမှု p = GIA မှ 0.075) သိသာထင်ရှားသောကြဘူး။ အားလုံးအချက် Load နှင့်အတူမော်ဒယ်နှင့် β-weights ပုံထဲမှာပြသ 2။ အဆိုပါငုပ်လျှိုးနေအတိုင်းအတာ psychopathological ရှုထောင့်သိသိသာသာကို (ငုပ်လျှိုးနေအတိုင်းအတာကိုယ်ရည်ကိုယ်သွေးရှုထောင့်နှင့်အတူဆက်နွယ်နေကြောင်းခဲ့သည်r = -0.844, p <0.001) နှင့်ငုပ်လျှိုးနေရှုထောင်လူမှုရေးသိမှတ်ခံစားမှုများ (r = -0.783, p <0.001) ။ ထို့အပြင်နှစ်ခုငုပ်လျှိုးနေအတိုင်းအတာကိုယ်ရည်ကိုယ်သွေးရှုထောင့်နှင့်လူမှုရေးသိမှတ်ခံစားမှုဆက်စပ်လျက်ရှိသည် (r = 0.707, p <0.001) ။

အပိုဆောင်းဆန်းစစ်ခြင်းများပြုလုပ်ထားခြင်း

အဆိုပါမော်ဒယ်ဖော်ပြထားတဲ့သီအိုရီအကျနော်တို့ပထမဦးဆုံးစမ်းသပ်စစ်ဆေးထားတဲ့တဦးတည်းနှင့်အကျိုးဆက်ကြောင့်စောဒကတက်ခဲ့သည်။ သို့သော်ကျနော်တို့နောက်မှပိုကောင်းအသေးစိတ် GIA ၏အခြေခံယန္တရားနားလည်နိုင်ရန်အတွက်သီးခြားစီအချို့အပိုဆောင်းမော်ဒယ်များသို့မဟုတ်မော်ဒယ်၏အစိတ်အပိုင်းများကိုစမ်းသပ်စစ်ဆေးပါတယ်။ ကျနော်တို့ကစိတ်ဝင်စားဖို့တိုက်ရိုက်အကျိုးသက်ရောက်မှု, သိသိသာသာမဟုတ်ဆိုသော်ငြားပုံကိုကြည့်ပါ (ထို SEM အတွက်အနုတ်လက္ခဏာဖြစ်ခဲ့သည်တွေ့ရှိခဲ့သောကွောငျ့အကြှနျုပျတို့ကိုင်တွယ်ပထမဦးဆုံးပြဿနာ, GIA အပေါ် psychopathology ၏အကျိုးသက်ရောက်မှုခဲ့ 2), အ bivariate အဆင့်တွင်ပေမယ့်, ထိုဆက်စပ်မှုအပြုသဘောခဲ့ကြသည်။ (bis စိတ်ကျရောဂါနှင့် BSI လူမှုရေးစိုးရိမ်စိတ်ကကိုယ်စားပြု) psychopathological ရှုထောင့်နှင့်အတူရိုးရှင်းသောမော်ဒယ်ခန့်မှန်းခြင်းနှင့် GIA (နှစ်ခု s ကို-IAT အချက်များကကိုယ်စားပြု) အဖြစ်မှီခို variable ကိုအကောင်းတစ်မော်ဒယ်မထိုက်မတန် (အားလုံးမထိုက်မတန်ညွှန်းကိန်းလက်ခံနိုင်ဖွယ်ထက် သာ. ကောင်း၏) နှင့်အကျိုးသက်ရောက်မှုရှိခဲ့သည်အဖြစ် , အပြုသဘောခဲ့ (β = 0.451 p <0.001) ။ စိတ်ကြိုက်ရှုထောင့်များ၊ ကိုယ်ရည်ကိုယ်သွေးများနှင့်လူမှုရေးရှုထောင့်များသည်တိုက်ရိုက်ကြိုတင်ခန့်မှန်းသူများအဖြစ်တာဝန်ထမ်းဆောင်ခဲ့ပြီး GIA သည်မှီခိုသော variable တစ်ခုဖြစ်သည်။ 2) ။ ပြုပြီမရှိဘဲမော်ဒယ် (တဦးတည်းချွင်းချက်နှင့်အတူ: အ RMSEA 0.089 နှင့်အတူနည်းနည်းမြင့်သောကြီး) ကိုလည်းအကောင်းမထိုက်မတန်ညွှန်းကိန်းခဲ့: GIA β = 0.167 အပေါ် psychopathological ရှုထောင့်၏အကျိုးသက်ရောက်မှုနှင့် GIA အပေါ်တိုက်ရိုက်သက်ရောက်မှု (နှစ်ခု s ကို-IAT အချက်များ) ခဲ့ကြ p = 0.122; GIA β = -0.223 အပေါ်ကိုယ်ရည်ကိုယ်သွေးရှုထောင့်များ၏အကျိုးသက်ရောက်မှု, p = 0.017; GIA β = -0.124 အပေါ်လူမှုရေးရှုထောင့်နှင့်အကျိုးသက်ရောက်မှု, p = 0.081 ။ အကျိုးသက်ရောက်မှုကိုယ်ရည်ကိုယ်သွေးနှင့်လူမှုရေးရှုထောင့်များ၏ဆိုးကျိုးများများအတွက်ထိန်းချုပ်ထားသည့်အခါ GIA အပေါ် psychopathological ရှုထောင့်များ၏အကျိုးသက်ရောက်နေဆဲဒီ model အတွက်အပေါင်းလက္ခဏာဆောင်တဲ့ (သို့သော်သိသာမဟုတ်) ကြောင်းသတိပြုပါ။ အတူတူယူခြုံငုံ SEM ၏ရလဒ်များကိုနောက်ထပ်တစ် bivariate အဆင့်တွင်သောအပြုသဘောအကျိုးသက်ရောက်မှုဖေါ်ပြခြင်းနှစ်ခုအပိုဆောင်းဆန်းစစ်ခြင်းများပြုလုပ်ထားခြင်းအားဖြင့်အလေးပေးပြောကြားခဲ့သည်သော, နှစ်ခုပြုပြီ (ကိုင်တွယ်ဖြေရှင်းခြင်းနှင့်မျှော်လင့်ထား) က GIA အပေါ် psychopathological ရှုထောင့်၏အကျိုးသက်ရောက်မှုများအပြည့်အဝဖျန်ဖြေခြင်းအဘို့အပြောတတ် နှင့်ရိုးရှင်းသောမော်ဒယ်အတွက်ခန့်မှန်းအဖြစ်ထပ်မံ variable တွေကိုများ၏ပါဝင်မှုလျှော့ချဖြစ်ပါတယ်။

ကျနော်တို့သီအိုရီအအာမခံအဖြစ်ကိုင်တွယ်ဖြေရှင်း conceptualized ကြပါပြီ (ကုန်အမှတ်တံဆိပ် et al ။ , 2014) ။ သို့သော်တဦးတည်းလည်းဖြေရှင်း psychopathological ရှုထောင့်များ၏အကျိုးသက်ရောက်မှုကိုဖျန်ဖြေပေမယ့်တစ်ဦးက Moderator အဖြစ်ဆောင်ရွက်မပါဘူးငြင်းခုန်လိမ့်မည်။ အစားတစ်ဦးက Moderator တစ်ဖျန်ဖြေအဖြစ်ကိုင်တွယ်ဖြေရှင်း၏စိတ်ကူးသည်သင့်လျော်ကြောင်းသေချာစေရန်, ငါတို့ဒါ့အပြင်တချို့က Moderator ထိန်းချုပ်ထားဆုတ်ယုတ်ဆန်းစစ်ခြင်းများပြုလုပ်ထားခြင်းကို အသုံးပြု. လေ့လာဆန်းစစ်တွက်ချက်။ ဘယ်အချိန်မှာဥပမာ, က Moderator အဖြစ်ကိုင်တွယ်ဖြေရှင်း, ခန့်မှန်းအဖြစ် psychopathological ရှုထောင့်ကိုသုံးပြီးနှင့် s ကို-IAT (ပေါင်းလဒ်ရမှတ်) မှီခို variable ကိုအဖြစ်, နှစ်ဦးစလုံး psychopathological ရှုထောင့် (β = 0.267) နှင့် (β = 0.262) ကိုင်တွယ်ဖြေရှင်း S-IAT အတွက်ကှဲလှဲရှင်းပြ သိသိသာသာ (နှစ်ဦးစလုံး p <0.001), ဒါပေမယ့်သူတို့ရဲ့အပြန်အလှန်သိသိသာသာကှဲလှဲရှင်းပြချက် (အတွက်အပြောင်းအလဲများ) မထည့်ထားဘူး R² = 0.003, p = 0.067, β = -0.059) နှင့်က Moderator အကျိုးသက်ရောက်မှုများ increment နီးပါးသုည (0.3%) ဖြစ်ပါတယ်။

ကျနော်တို့ကိုလည်းမော်ဒယ်များ၏ဖွဲ့စည်းပုံတခုတခုအပေါ်မှာအကျိုးသက်ရောက်မှုရှိစေခြင်းငှါအရာအလားအလာ variable တွေကိုအဖြစ်အသက်အရွယ်နှင့်ကျား, မဆင်ခြင်၏။ ဒီစမ်းသပ်ဖို့ကျနော်တို့ပထမဦးဆုံးအသက်အရွယ်နှင့်အလွန်နိမ့်ဆက်စပ်မှုအတွက်ရရှိလာတဲ့ရှိသမျှသည်အခြားသော variable တွေကိုအကြား bivariate ဆက်စပ်မှုတွက်ချက်။ အတူတစ်ဦးတည်းသာဆက်စပ်မှုရှိခဲ့သည် r သေးနိမ့်အကျိုးသက်ရောက်မှုဖြစ်သော = 0.21 (အသက်နှင့်ရှောင်ရှားခြင်းမျှော်လင့်ထား), (Cohen ကို, 1988), နှင့်အခြားသောဆက်စပ်မှုအကြားသက်ရောက်မှုရှိခဲ့ r = 0.016 နှင့် r အများဆုံးဖြစ်လျက်ရှိနှင့်အတူ = 0.18 r <0.15 နှင့် r <0.10 ။ အသက်နှင့် s-IAT အကြားဆက်စပ်မှုမှာလည်းအလွန်နည်းပါးသည် r = -0.14 (ပေမယ့မှာသိသိသာသာ p <0.01, ထိုကဲ့သို့သောကြီးမားသောနမူနာရှင်းပါတယ်။ အချုပ်အားဖြင့်အသက်အရွယ်ကိုဖျန်ဖြေခြင်းပုံစံတွင်ထည့်သွင်းရန်လိုအပ်ချက်များသည်မပြည့်စုံပါ။Baron နှင့် Kenny, 1986) နှင့်ကျွန်တော်တစ်ဦးအပိုဆောင်းမော်ဒယ်သို့အသက်အရွယ်မပါဝင်ရန်ဆုံးဖြတ်ခဲ့သည်။ ကျနော်တို့ (BSI လူမှုရေးစိုးရိမ်စိတ်ကိုအသုံးပြုအားလုံးအကြေးခွံအုပ်စုများ '' ယုတ်ရမှတ်များနှင့်နှိုင်းယှဉ်ပါနှင့်တစ်ဦးတည်းသာအဓိပ္ပါယ်ရှိသောအုပ်စုတစ်စုကွာခြားချက်ကိုတွေ့ကျား, မရိုသေလေးစားမှုနှင့်တကွ, အမျိုးသမီးတစ်ဦးအနိမ့်အကျိုးသက်ရောက်မှုနှင့်အတူမြင့်မားတဲ့ရမှတ်ခဲ့ d = 0.28, ရှိသမျှသည်အခြားသောဆိုးကျိုးများ 0.28 ထက်နိမ့်ခဲ့ကြတယ်, S-IAT ရမှတ်များအတွက်အကျိုးသက်ရောက်ခဲ့သည် d = 0.19) ။ ကျနော်တို့လက်ထက်စံပြဖွဲ့စည်းပုံဟာ SEM ခွဲခြမ်းစိတ်ဖြာအတွက်ယုတ်ဖွဲ့စည်းပုံမှာခွဲခြမ်းစိတ်ဖြာသုံးပြီးအမျိုးသမီးနှင့်အမျိုးသားများအဘို့ကွဲပြားခြားနားသောရှိမရှိစမ်းသပ်စစ်ဆေးပါတယ်။ ဒါက SEM (ပုံကိုကြည့်ပါလျှင်ကျမတို့စမ်းသပ်ပြီးဆိုလိုသည် 2) ယောက်ျားနှင့်မိန်းမနှစ်ယောက်တည်းကိုသင်တန်းသားများအဘို့နှင့်ညီမျှသည်။ ဒီစမ်းသပ်မှု၏ H0 ဖြစ်ပါသည်: သီအိုရီမော်ဒယ် = အုပ်စုများအတွက်မော်ဒယ် "လူ" = အုပ်စုများအတွက်မော်ဒယ်အဆိုပါမထိုက်မတန်ညွှန်းကိန်းဆက်ဆံရေး၏ဖွဲ့စည်းပုံမှာယောက်ျားနှင့်မိန်းမတို့အဘို့သိသိသာသာကွဲပြားခြားနားသောမဟုတျကွောငျးကိုညွှန်းအားလုံးလက်ခံနိုင်သောခဲ့ကြသည် "အမျိုးသမီးတွေ။ " ။ အဆိုပါ RMSEA နှင့်အတူ 0.074 ခဲ့သည် p <0.001, CFI ၀.၉၅၊ TLI သည် ၀.၉၃ ဖြစ်ပြီး SRMR သည် ၀.၀၄၁ ဖြစ်သည်။ χ² စမ်းသပ်မှု, χသိသာခဲ့သည်² = 534.43, p <0.001, ကြီးမားသောနမူနာအရွယ်အစားပေးထားပုံမှန်ဖြစ်သော။ သို့သော်χ² ယင်းအခြေခံမော်ဒယ်စမ်းသပ်မှုလည်းတစ်ခုကျယ်ပြန့်မြင့်မားတဲ့χနှင့်အတူသိသာခဲ့သည်² တန်ဖိုးχ² = 5833.68, p <0.001 ။ to အတွက်အလှူငွေ² ယောက်ျားမိန်းမတို့အားဖြင့်စမ်းသပ်ပြီးမော်ဒယ်၏ (χနှိုင်းယှဉ်ခဲ့ကြသည်² အမျိုးသမီးတွေ = 279.88, χနေဖြင့်ပံ့ပိုးမှုများ² ယောက်ျား = 254.55) ကပံ့ပိုးမှုများကို။ မော်ဒယ်များ၏ခြုံငုံဖွဲ့စည်းပုံမှာယောက်ျားနှင့်မိန်းမတို့အဘို့သိသိသာသာကွဲပြားခြားနားသည်မဟုတ်ပေမယ့်ကျနော်တို့ရိုးရှင်းလမ်းကြောင်းကိုကြည့်ရှုစစ်ဆေးသည်နှင့်သုံးကွဲပြားခြားနားမှုတွေ့ရှိခဲ့ပါတယ်။ ကိုင်တွယ်ဖြေရှင်းမှကိုယ်ရည်ကိုယ်သွေးရှုထောင့်ကနေလမ်းကြောင်း (β = -0.437 အမျိုးသားများတွင်သိသာထင်ရှားသောခဲ့ p = 0.002), မဟုတ်အမျိုးသမီး (β = -0.254, p = 0.161) နှင့်မျှော်လင့်ချက်များအပေါ်ကိုယ်ရည်ကိုယ်သွေးရှုထောင့်ကနေအကျိုးသက်ရောက်ယောက်ျား (β = -0.401 အတွက်သိသာထင်ရှားသောခဲ့ p = 0.001), မဟုတ်အမျိုးသမီး (β = -0.185, p = 0.181) ။ ထို့အပြင်ခုနှစ်, မျှော်လင့်ချက်များအပေါ် psychopathological ရှုထောင့်ကနေအကျိုးသက်ရောက်အမျိုးသမီးတွေအတွက်သိသာထင်ရှားသောခဲ့ (β = 0.281, p = 0.05), မဟုတ်ယောက်ျား (β = 0.082 အတွက် p = 0.599) ။ အားလုံးသည်အခြားဆိုးကျိုးများနှင့်ငုပ်လျှိုးနေအတိုင်းအတာ၏ကိုယ်စားပြုမှုပုံအတွက်ရုပ်ပြခြုံငုံမော်ဒယ်ကနေယောက်ျားမိန်းမတို့အကြားရှိကွဲပြားခြားနားခြင်းနှင့်လည်းကွဲပြားခြားနားသောမခဲ့ကြ 2။ အကျဉ်းချုပ်ထဲမှာ, ကိုင်တွယ်ဖြေရှင်းခြင်းနှင့်မျှော်လင့်ချက်များအပေါ်ကိုယ်ရည်ကိုယ်သွေးရှုထောင့်များ၏အပျက်သဘောဆောင်သောအကျိုးသက်ရောက်မှုမိန်းမတို့အားနှိုင်းယှဉ်လျှင်ယောက်ျားအတွက်ပိုပြီးပစ္စုပ္ပန်ဖြစ်ပေမယ့စမ်းသပ်ပြီးတပြင်လုံးကိုမော်ဒယ်ယောက်ျားနှင့်မိန်းမတို့အဘို့တရားဝင်သည်နှင့်အမျှော်လင့်ထားအပေါ် psychopathological ရှုထောင့်ကနေအကျိုးသက်ရောက်အမျိုးသားများတွင်အမျိုးသမီးပစ္စုပ္ပန်, ဒါပေမယ့်မဟုတ်ပါဘူး ။

ဆွေးနွေးမှု

ကျနော်တို့အင်တာနက်တစ်ခုစွဲလမ်းအသုံးပြုမှု (များ၏ဖွံ့ဖြိုးတိုးတက်ရေးနှင့်ပြုပြင်ထိန်းသိမ်းမှုအပေါ်အသစ်တစ်ခုသီအိုရီမော်ဒယ်မိတ်ဆက်ပါပြီကုန်အမှတ်တံဆိပ် et al ။ , 2014), တို့ကအဓိကငြင်းခုံပေါ်တွင်အခြေခံသော Davis က (2001) အဘယ်သူသည်ပထမဦးဆုံးအင်တာနက်ကို (GIA) ၏ generalized သုံးရင်နှင့်အချို့သော Internet application များ (SIA) ကိုတိကျတဲ့စွဲအကြားကွဲပြားခြားနားမှုအကြံပြုသည်။ လက်ရှိလေ့လာမှုတှငျကြှနျုပျတို့ငုပ်လျှိုးနေအဆင့်ကိုတခုတခုအပေါ်မှာစစ်ဆင်ရေးမော်ဒယ်သို့ GIA အပေါ်သီအိုရီမော်ဒယ်ဘာသာပြန်ထားသောနှင့်ကစာရင်းအင်း 1019 ဖြေဆိုသူတစ်ဦးကအင်တာနက်လူဦးရေမှာအွန်လိုင်းစစ်တမ်းသုံးပြီး SEM စမ်းသပ်စစ်ဆေးပါတယ်။ ကျနော်တို့သီအိုရီမော်ဒယ်၏အဓိကရှုထောငျ့ကိုကိုယ်စားပြုသောဒေတာများနှင့်ယူဆချက် SEM နဲ့အလုံးစုံကောင်းသောမော်ဒယ်မထိုက်မတန်တွေ့နှင့် s ကို-IAT (အားဖြင့်တိုင်းတာအဖြစ် GIA လက္ခဏာတွေ၏ကှဲလှဲ၏ 63.5% ကရှင်းပြခဲ့သည်Pawlikowski et al ။ , 2013).

အဆိုပါမော်ဒယ်အတူတူထိုကဲ့သို့သောစိတ်ကျရောဂါ, လူမှုရေးစိုးရိမ်ပူပန်မှု, အနိမ့် Self-လေးစားမှု, အနိမ့် Self-ထိရောက်မှုနှင့်ပိုမိုမြင့်မားစိတ်ဖိစီးမှုအားနည်းချက်အဖြစ်အိုဝါနှင့်ဆက်စပ် element တွေကိုချည်နှောင်ဖို့ပထမဦးဆုံးဖြစ်ပါတယ်။ အိုဝါဖွံ့ဖြိုးဆဲဖို့နှင့်အထွေထွေထဲမှာစွဲအမူအကျင့် (ဆက်စပ်သောသိမြင်မှုများ၏အလေးပေးအပေါ် အခြေခံ.Lewis ကများနှင့်အိုနေးလ်, 2000; Dunn et al ။ , 2013; နယူတန် et al ။ , 2014နှစ်ခုဖျန်ဖြေ variable တွေကို (စတိုင်များနှင့်အင်တာနက်အသုံးပြုမှုကိုမျှော်လင့်ထားကိုင်တွယ်ဖြေရှင်း) GIA ၏ဖွံ့ဖြိုးတိုးတက်မှုအပေါ်ခန့်မှန်း variable တွေကို၏တိုက်ရိုက်သက်ရောက်မှု (psychopathology, ကိုယ်ရည်ကိုယ်သွေးနှင့်လူမှုရေးသိမြင်မှု) impact လျှင်), စံပြစုံစမ်းစစ်ဆေး။ ရလဒ်များကိုင်တွယ်ဖြေရှင်းစတိုင်များနှင့်အင်တာနက်အသုံးပြုမှုကိုမျှော်လင့်နှစ်ခုလုံးကိုသိသိသာသာအခန်းကဏ္ဍဖော်ပြသည်။

အားလုံး variable တွေကို (ခန့်မှန်းခြင်းနှင့်ပြုပြီ) ကိုမော်ဒယ်တွင်ထည့်သွင်းသိသိသာသာတစ် bivariate အဆင့်တွင် S-IAT ရမှတ်ဆက်နွယ်နေကြောင်းခဲ့ကြသည်။ အဆိုပါနိဒါန်းမှာဖော်ပြထားတဲ့အတိုင်းဤ, အိုဝါနှင့်ကိုယ်ရည်ကိုယ်သွေးရှုထောင့်လက္ခဏာတွေ, psychopathological ရောဂါလက္ခဏာတွေနဲ့အခြားသူတစ်ဦး variable တွေကိုအကြား bivariate ဆက်ဆံရေးအပေါ်ယခင်သုတေသနနှင့်အတူအခြေခံအားဖြင့်ကိုက်ညီသည်။ မော်ဒယ်စတွေးဆပြုပြီအပါအဝင်အခါ, သို့သော် SEM ခွဲခြမ်းစိတ်ဖြာအတွက်, (ငုပ်လျှိုးနေအတိုင်းအတာအပေါ်) ကိုသုံးအဓိကခန့်မှန်းအပေါငျးတို့သတိုက်ရိုက်သက်ရောက်မှုမရှိတော့သိသာခဲ့ကြသည်။ ဤသည်ကိုတိုက်ရိုက် GIA လက္ခဏာတွေ impact ဒါပေမယ့်ပါဘူး psychopathological ရှုထောင့် (စိတ်ကျရောဂါ, လူမှုရေးစိုးရိမ်ပူပန်မှု), ကိုယ်ရည်ကိုယ်သွေးရှုထောင့် (Self-လေးစားမှု, Self-ထိရောက်မှုနှင့်စိတ်ဖိစီးမှုအားနည်းချက်) အဖြစ်လူမှုရေးသိမြင်မှု (စိတ်ခံစားမှုအထီးကျန်, လူမှုရေးအထောက်အပံ့ကိုရိပ်မိ၏) ထိုဆိုလိုတယ် သူတို့ရဲ့သြဇာလွှမ်းမိုးမှုဟာအလုပ်မဖြစ်ဖြေရှင်းစတိုင်, ဒါမှမဟုတ်အင်တာနက်ကအသုံးပြုမှုကိုမျှော်လင့်, ဒါမှမဟုတ်နှစ်ဦးစလုံးဖြစ်စေကကမကထပြုခဲ့ခြင်းဖြစ်သည်။ သို့သော် psychopathological ရှုထောင့်နှင့်ကိုယ်ရည်ကိုယ်သွေးရှုထောင့်ကိုသိသိသာသာအလုပ်မဖြစ်ဖြေရှင်းစတိုင်နှင့်အင်တာနက်အသုံးပြုမှုကိုနှစ်ဦးစလုံးမျှော်လင့်ထားကြိုတင်ခန့်မှန်း။ သို့သော်သိသိသာသာသူတို့ရဲ့ဆွေမျိုးသက်ရောက်မှု psychopathological နှင့်ကိုယ်ရည်ကိုယ်သွေးရှုထောင့်များ၏ဆိုးကျိုးများများအတွက်ထိန်းချုပ်ထား (သို့သော်သုံးယောက်ခန့်မှန်းငုပ်လျှိုးနေအတိုင်းအတာသိသိသာသာဆက်နွယ်နေကြောင်းခဲ့ကြသည်သတိပြုပါနှင့်အင်တာနက်အသုံးပြုမှုကိုမှလူမှုရေးသိမြင်မှုကနေအကျိုးသက်ရောက်ကြောင်းသောအခါကိုင်တွယ်ဖြေရှင်းခြင်းနှင့်မျှော်လင့်ချက်များနှင့်ဆက်စပ်သောကြသည်မဟုတ်လူမှုရေးသိမြင်မှု, မျှော်လင့်ချက်များအနည်းငယ်) အရေးပါမှုကိုရောက်ရှိဖို့မအောင်မြင်ခဲ့ပေ။ GIA လက္ခဏာတွေပေါ်ဖြေရှင်းစတိုင်နှင့်မျှော်လင့်ချက်များနှစ်ဦးစလုံး၏တိုက်ရိုက်အကျိုးသက်ရောက်မှုများသိသိသာသာရှိကြ၏။ အကျဉ်းချုပ်မှာတော့လက်ရှိလေ့လာမှု, non-လက်တွေ့လူဦးရေနှင့်အတူ, မသာစတိုင်ကိုင်တွယ်ဖြေရှင်းခြင်းနှင့်စိတ်ဖိစီးမှုဘဝဖြစ်ရပ်များ (နှင့်ဆက်ဆံရာတွင်များ၏ဆက်စပ်မှုအပေါ်ယခင်တွေ့ရှိချက်အတည်ပြုပေမယ့်Kardefelt-Winther, 2014; တန် et al ။ , 2014; Tonioni et al ။ , 2014) အဖြစ်ကောင်းစွာအဖြစ်အင်တာနက်ကိုအသုံးပြုခြင်းသည်မျှော်လင့်ထား (Turel နှင့် Serenko, 2012; Xu et al ။ , 2012; Lee က et al ။ , 2014) ဖွံ့ဖြိုးဆဲသို့မဟုတ်ထိန်းသိမ်းခြင်း GIA လက္ခဏာတွေ, ဒါပေမယ့်အတိအလင်း GIA အခြေခံလုပ်ငန်းစဉ်များတွင်ပြုပြီအဖြစ်ဖြေရှင်းခြင်းနှင့်မျှော်လင့်ထား၏အခန်းကဏ္ဍကိုမီးမောင်းထိုးပြသည်။

အဆိုပါမော်ဒယ်တစ်ဦးကြီးများအွန်လိုင်းလူဦးရေနှင့်အတူစမ်းသပ်ပြီးခဲ့သည်။ မော်ဒယ်ထိုကဲ့သို့သောကုသမှု-ရှာကြံတစ်ဦးချင်းစီအဖြစ်ရှင်းလင်းစွာသတ်မှတ်လက်တွေ့နမူနာအတူစမ်းသပ်ပြီးရမည်ဖြစ်သည်။ မော်ဒယ်ရဲ့အဓိပ္ပာယ်ကိုပိုမိုတိကျလက်တွေ့သက်ရောက်မှုကိုဆွဲရန်လက်တွေ့လူဦးရေနှင့်ပိုမိုကြံ့ခိုင်ပါလိမ့်မယ်။ နမူနာ၏ 11.3% ဟာပြဿနာကိုအင်တာနက်အသုံးပြုမှုကိုအစီရင်ခံတင်ပြခြင်းနှင့် 3.7% အနေနဲ့စွဲလမ်းအင်တာနက်ကိုအသုံးပြုခြင်းသည်ရှိခြင်းအဖြစ်မိမိတို့ကိုယ်ကိုဖျောပွထားသညျဤလေ့လာမှုပုံစံအလားအလာလက်တွေ့ဆက်စပ်မှုရှိနိုင်တယ်လို့စာရင်းအင်းအခြအလုပ်ဖြစ်တယ်နှင့်ဆွဲယူလျှင်သာကနဦးကြည့်ရှုကြည့်ဖို့စဉ်းစားသည်။ ပေမယ့် သို့သော်အနာဂတ်သုတေသနလာအောင်နှိုးဆွရသောအွန်လိုင်းသုံးစွဲသူများကအနည်းငယ်လက်တွေ့သက်ရောက်မှုအပေါ်စိတ်ပိုင်းဆိုင်ရာနှင့်ကိုယ်ရည်ကိုယ်သွေးစမ်းသပ်မှုအမျိုးမျိုးကို အသုံးပြု. စာရင်းအင်းအရေးပါမှုနှင့်အတူသစ်တစ်ခုမော်ဒယ်အဖြစ်, သတိနဲ့လုပ်နိုင်ပါတယ်။

ပထမဦးစွာအလုပ်မဖြစ်သူတို့၏အသက်တာ၌ပြဿနာတွေနဲ့သူကအင်တာနက်အပြုသဘောဆောင်တိုးမြှင့်သို့မဟုတ်အနှုတ်လက္ခဏာစိတ်ဓါတ်များကိုလျှော့ချဖို့အသုံးပြုနိုင်မျှော်လင့်ထား GIA ဖွံ့ဖြိုးတိုးတက်ဖို့ပိုပြီးဖြစ်နိုင်သည်များနှင့်အတူကိုင်တွယ်ရန်ဖြေရှင်းနှင့်အတူတစ်ဦးချင်းစီ။ ထို့အပွငျအလုပ်မဖြစ်ဖြေရှင်းနှင့်အင်တာနက်အသုံးပြုမှုကိုနှစ်ဦးစလုံးအပေါ် psychopathological ရှုထောင့်များ၏ဆိုးကျိုးများကိုမျှော်လင့်စိတ်ကျရောဂါနှင့်လူမှုရေးစိုးရိမ်စိတ်များပိုမိုမြင့်မားရောဂါလက္ခဏာတွေကအင်တာနက်စိတ်ဖိစီးမှုသို့မဟုတ်အနုတ်လက္ခဏာနှင့်ဆက်ဆံရာတွင်များအတွက်အကူအညီထောက်ပံ့ပေးကြောင်းအလုပ်မဖြစ်ဖြေရှင်းမဟာဗျူဟာများအတွက်အန္တရာယ်တိုးမြှင့်ခြင်းနှင့်လည်းမျှော်လင့်ထားဘို့နိုင်သည်ကိုညွှန်ပြအပြုသဘောခဲ့ကြသည် ခံစားချက်။ ဤအဖြစ်စဉ်များ psychopathological ရောဂါလက္ခဏာတွေနဲ့ကိုင်တွယ်ဖြေရှင်း / မျှော်လင့်ထား၏ပေါင်းစပ်ဆိုလိုတာကဖျော်ဖြေပွဲအတွက်ဆောင်ရွက်ရန်သာအခါ, အင်တာနက်ကို အသုံးပြု. များ၏ဖြစ်နိုင်ခြေစွဲတိုးမြှင့်ဖို့ပုံရသည်။

GIA ကုသ addressing လေ့လာမှုများ၏နံပါတ်ကန့်သတ်ပေမယ့်ဒုတိယအသည်, Meta-analysis သည်အားဖြင့်ပုံနှိပ်ထုတ်ဝေ Winkler et al ။ (2013) သိမြင်မှု-အပြုအမူကုထုံးရှေးခယျြမှု၏နည်းလမ်းကြောင်းစောဒကတက်သည်။ ဤသည်အထူးသဖြင့်ကုသမှုအွန်လိုင်းသုံးစွဲအချိန်ပေါ်သက်ရောက်မှု, စိတ်ကျရောဂါနှင့်စိုးရိမ်ပူပန်မှုရောဂါလက္ခဏာများ၏ခွဲခြမ်းစိတ်ဖြာအပေါ်သို့အခြေခံသည်။ အိုဝါ (CBT-် IA များအတွက်တကယ်တော့သိမြင်-အပြုအမူကုထုံး; လူငယ်တို့, 2011a) (အိုဝါကုသအရှိဆုံးပျံ့နှံ့နေတဲ့ပုံစံအဖြစ်ဖော်ထုတ်ခဲ့ပြီးငွေသား et al ။ , 2012) ။ တို့ကအဆိုပြုထား GIA ၏သိမြင်မှု-အပြုအမူကုသမှုအတွင်းမှာပဲ လူငယ်တို့ (2011a), တစ်ဦးချင်းဝိသေသလက္ခဏာများအဖြစ်ကိုင်တွယ်ဖြေရှင်းနှင့်အင်တာနက်အသုံးပြုမှုကိုမျှော်လင့်ချက်ထားပြီး GIA ၏ကုသမှုအတွင်းသက်ဆိုင်ရာဖြစ်တွေးဆခဲ့ကြပေမယ့်ပင်ကိုယ်မူလသက်သေအထောက်အထားဥပမာ (ကအရမ်းကျဲခဲ့, လူငယ်တို့, 2013).

ဒီလေ့လာမှုမှာတင်ဆက်တွေ့ရှိချက်သိမြင်-အပြုအမူကုထုံးနှင့် CBT-် IA ် IA ဆက်ဆံဖို့အလုပ်မလုပ်နိုင်သောပြသနိုင်ဖို့သက်သေအထောက်အထားများ၏တဦးတည်းနောက်ထပ်အရင်းအမြစ်သည်။ လူတစ်ဦးရဲ့တိကျတဲ့သိမြင်မှု (စတိုင်နှင့်အင်တာနက်အသုံးပြုမှုကိုမျှော်လင့်ထားကိုင်တွယ်ဖြေရှင်း) GIA လက္ခဏာတွေပေါ် psychopathological လက္ခဏာတွေ၏သက်ရောက်မှု (စိတ်ကျရောဂါ, လူမှုရေးစိုးရိမ်ပူပန်မှု), ကိုယ်ရည်ကိုယ်သွေးစရိုက်များနှင့်လူမှုရေးသိမှတ်ခံစားမှု (အထီးကျန်, လူမှုရေးအထောက်အပံ့ကို) ဖျန်ဖြေ။ သိမြင်မှုကုထုံးကိုအသုံးပြုခြင်း, အကဲဖြတ်အတွက်အလေးပေးဖြေရှင်းခံရဖို့အလုပ်မဖြစ်သိမြင်ဖော်ထုတ်ပါဝင်သည်သငျ့သညျ။ အကြောင်း, စာမေးပွဲပေါ်၌ Clinician client ကို၏လိုအပ်ချက်များကိုဖြည့်နားလည်ရန်အင်တာနက်ကိုအသုံးပြုခြင်းသည်မျှော်လင့်ထားဆန်းစစ်သင့်ပါတယ်နေသည်နှင့်အဘယ်သို့ဆိုင်နည်းလမ်းများကို client ကိုအင်တာနက်ကိုကျေနပ်အောင်လုပ်ဖို့ကကူညီစေခြင်းငှါယုံကြည်သည်။

တနည်းအားတွေ့ရှိချက်ကိုလည်းကုထုံးအင်တာနက်အလုပ်မဖြစ်အသုံးပြုမှုနှင့်ဆက်စပ် maladaptive သိမြင်မှုဖြေရှင်းသင့်ကြောင်းအကြံပြုအပ်ပါသည်။ ဤရွေ့ကားတွေ့ရှိချက် (ထိုကဲ့သို့သော overgeneralization, ရှောင်ရှားခြင်း, ဖိနှိပ်မှု, ချဲ့, maladaptive ပြဿနာဖြေရှင်းခြင်းသို့မဟုတ်အနှုတ်လက္ခဏာ Self-သဘောတရားများအဖြစ် maladaptive သိမြင်မှုပြသကြောင်းအစောပိုင်းလေ့လာမှုများစွဲလမ်းအင်တာနက်ကိုအသုံးပြုခြင်းသည်နှင့်ဆက်စပ်နေကြသည်ကိုအတည်ပြုလူငယ်တို့, 2007) ။ ဤအတွေ့ရှိချက်များ၏လက်တွေ့ဆိုလိုကုထုံးအင်တာနက်စွဲလမ်းအသုံးပြုမှုကိုဦးတည်သွားစေကြောင်းအတှေးအတိုက်ဖျက်ဖို့သိမြင်ပြန်လည်ဖွဲ့စည်းခြင်းနှင့် reframing လျှောက်ထားသင့်ကြောင်းဖြစ်ပါသည်။ ဥပမာ, GIA ကနေလူနာဆငျးရဲဒုက်ခလူမှုရေးစိုးရိမ်ပူပန်မှုနှင့်ရှက်ကြောက်စိတ်လက္ခဏာထို့ကြောင့်အနည်းငယ်မိတ်ဆွေများကိုရှိစေခြင်းငှါလည်းကျောင်းမှာတခြားသူတွေနဲ့ဒုက္ခ။ သူမသည်ထို့နောက် social networking site များကနေတစ်ဆင့်အခြားလူများနှင့်ဆက်သွယ်နေတဲ့ "စစ်မှန်သော" လူမှုရေးအပြန်အလှန်၏ကြောက်စရာအခွအေနေရှုထောင့်စရာမလိုဘဲသူမ၏လူမှုရေးလိုအပ်ချက် gratifies ကြောင်းထင်စေနိုင်သည်။ ထို့အပြင်သူမသည်လည်းအွန်လိုင်းမှဂိမ်းကစားသောမျှော်မှန်းကျောင်းမှာပြဿနာတွေထဲကနေသူမရဲ့အာရုံနှင့်အွန်လိုင်းဝယ်ယူခြင်းသို့မဟုတ်အင်တာနက်ပေါ်ရှိသတင်းအချက်အလက်များကိုရှာဖွေအထီးကျန်၏ခံစားခကျြကိုလျှော့ချမည်အကြောင်းရှိစေခြင်းငှါ။ ကုထုံးကျောင်းတွင်အခြားရွေးချယ်စရာသောအရပ်တို့ကိုမမြင်လျှင်ပေါ်တွင်သို့မဟုတ်သူမတန်ဖိုးထားတည်ဆောက်ခြင်းနှင့်လူမှုရေးလိုအပ်ချက်များကို gratify နိုင်မည့်ပုဂ္ဂလိကအသက်တာ၌သူမ၏အာရုံစူးစိုက်လိမ့်မယ်။ သူမဖြောင့်မတ်ရပ်လျှင် social networking site များ, ဂိမ်းများနှင့်စျေးဝယ်ဆိုဒ်များသူမရဲ့ဘဝအကြောင်းကိုကောင်းသောခံစားရသူကအခြားကျန်းမာဆိုင်များတွင်တွေ့တစ်ခုတည်းသောသောနေရာများဖြစ်ကြောင်း, ထိုလျော့နည်းမှီခိုသူကွဲပြားခြားနားသော Internet application များအပေါ်ဖြစ်လိမ့်မည်။ သိမြင်မှု GIA, သိမြင်မှုကုထုံးများ၏ဖွံ့ဖြိုးတိုးတက်မှုအတွက်ကစားသောအခန်းကဏ္ဍသိမှတ်ကြလော့ clients များအွန်လိုင်းသူတို့ကိုစောင့်သောယူဆချက်နှင့်အဓိပ္ပာယ်ကောက်ယူပွနျလညျဖှဲ့စညျးကူညီပေးနိုင်ပါသည်။ သူတို့တစ်တွေကုသမှု-စှာရှာလက်တွေ့နမူနာပုံတူမဖြစ်တော့ဘူးရမည်ဖြစ်သည်ကတည်းကတဖန်လေ့လာမှုရဲ့ရလဒ်တွေကိုဤအလားအလာလက်တွေ့သက်ရောက်မှု, သတိနဲ့ကုသရမည်ဖြစ်သည်။

ကျယ်ပြန့်ရှုထောင့်ကနေမည်သို့ပင်ဤတွေ့ရှိချက်ကုသအထူးအင်တာနက်စွဲလူနာ CBT-် IA လျှောက်ထားနိုင်ပါသည်ဘယ်လောက်သို့ထိုးထွင်းသိမြင်မှုကိုရရှိ။ အပြုအမူပြုပြင်မွမ်းမံ clients များနေ့စဉ်လုပ်ရတဲ့ကိုင်တွယ်ဖြေရှင်းနိုင်ရန်အတွက်အသစ်နှင့်ပိုပြီးအလုပ်လုပ်တဲ့ကိုင်တွယ်ဖြေရှင်းမဟာဗျူဟာများဖွံ့ဖြိုးတိုးတက်စေရန်နှင့်လိုက်လျောညီထွေဖြစ်အောင်ကူညီပေးနိုင်ပါသည်။ ကုထုံး clients များအင်တာနက်လှည်ထက်ကိုင်တွယ်ဖြေရှင်း၏ကျန်းမာနည်းလမ်းတွေကိုရှာဖွေကူညီပေးနေအာရုံစိုက်ဖို့လိုအပ်ပါတယ်။ CBT-် IA ၏အဓိကအစိတ်အပိုင်း (တိကျတဲ့သို့မဟုတ်ယေဘူယျ, client များအိုဝါမှပံ့ပိုးနောက်ခံကိစ္စများနှင့်အတူရင်ဆိုင်ဖြေရှင်းနိုင်ကူညီရန်အပြုအမူကုထုံးဖြစ်ပါတယ်လူငယ်တို့, 2011a, 2013) ။ အဆိုပါတွေ့ရှိချက်ကိုင်တွယ်ဖြေရှင်းကျွမ်းကျင်မှုတိုးတက်စေခြင်း client များအတွက်အွန်လိုင်းသွားကြဖို့လိုအပ်ကြောင်းကိုလျှော့ချမယ်လို့အကြံပြုအပ်ပါသည်။ အထွေထွေလူဦးရေရဲ့တစ်နမူနာများတွင်လေ့လာခဲ့ပေမယ့်, ငါတို့အထက်တွင်ဖော်ပြခဲ့အဖြစ်ကိုင်တွယ်ဖြေရှင်းခြင်းနှင့်မျှော်လင့်ထား GIA ၏ဖွံ့ဖြိုးတိုးတက်မှုနှင့်ပြုပြင်ထိန်းသိမ်းမှုအတွက်ပြုပြီဖြစ်ကြောင်းအဆိုပါတွေ့ရှိချက်, GIA ၏ယန္တရား၏ပိုကောင်းတဲ့နားလည်မှုကိုအထောက်အကူဖြစ်စေသူတို့ဖွယ်ရှိအချို့ကုသမှုသက်ရောက်မှုတွေရှိကြောင်းကိုယုံကြည် ။ လက်ရှိလေ့လာမှုမှာအာရုံစူးစိုက်မခံခဲ့ရအခြားရှုထောင့် prefrontal cortex သမာဓိရှိ၏အခန်းကဏ္ဍကိုဖြစ်ပါတယ်။ ယင်းကုထုံး၏သင်တန်းအတွက်အင်တာနက်ကိုအသုံးပြုခြင်းသိမြင်မှုထိန်းချုပ်ရေးခိုင်ခံ့စေအရှိဆုံးဖွယ်ရှိအလုပ်အမှုဆောင်လုပ်ဆောင်ချက်များကိုနှင့်အခြားအဆင့်မြင့်အမိန့်သိမြင်မှုဖြစ်စဉ်များနှင့်ဆက်စပ်သောကြောင့် CBT-် IA ၏ထိရောက်မှုလည်း, လူနာရဲ့ prefrontal လုပ်ငန်းဆောင်တာတို့အပေါ်မှာမူတည်လိမ့်မည်။ မကြာသေးမီကကြောင်း prefrontal cortex လုပ်ဆောင်ချက်များကိုဖေါ်ပြခြင်းထုတ်ဝေဆောင်းပါးများကို၏စုံတွဲတစ်တွဲရှိတယ်ပါပြီဖွယ်ရှိအိုဝါနှင့်အတူလူနာလျှော့ချကြောင့်ဤအနာဂတ်လေ့လာမှုများအတွက်ဖြေရှင်းရန်အရေးကြီးပါသည် (ခုနှစ်တွင်ခြုံငုံသုံးသပ်ချက်ကိုကြည့်ပါ ကုန်အမှတ်တံဆိပ် et al ။ , 2014).

ကျွန်တော်တို့ရဲ့နမူနာများတွင်အသက်အရွယ်ပြောင်းပြန် GIA လက္ခဏာတွေဆက်နွယ်နေကြောင်းခဲ့ပါတယ်, ဒါပေမယ့်အလွန်နိမ့်အကျိုးသက်ရောက်မှုရဲ့အရွယ်အစားနှင့်အတူ (သာ, အကှဲလှဲ၏ 1.96% ရှင်းပြ) ။ အဟောင်းတစ်ဦးချင်းစီ (ဥပမာအင်တာနက်အသုံးပြုမှုအပေါ်မကြာသေးခင်ဆောင်းပါးများထည့်သွင်းစဉ်းစား, Eastman နှင့် Iyer, 2004; Vuori နှင့် Holmlund-Rytkönen, 2005; ကမ့်ဘဲလ်, 2008; နိမ်ရောဒ, 2011), တစျခုထိုကဲ့သို့သောအင်တာနက်ပေါ်ရှိစိတ်ရင်းနှင့်လမ်းသက်ကြီးရွယ်အိုများအတွေ့အကြုံကိုပျော်စရာနဲ့စိတ်ကျေနပ်မှုကို အသုံးပြု. အဖြစ်အင်တာနက်ကို အသုံးပြု. အတော်ကြာရှုထောင့်, အပေါ်အသက်အရွယ်သက်ရောက်မှု မှလွဲ. ဆက်ဆက် may ။ သက်ကြီးရွယ်အိုများသည်လည်း (တိုးပွားလာအသက်အရွယ်နှင့်အတူ prefrontal cortex အပြောင်းအလဲများကြောင့်အလုပ်အမှုဆောင်အလုပ်မဖြစ်ဖွံ့ဖြိုးရန်ပိုမိုမြင့်မားအခွင့်အလမ်းရှိသည်ပေးထားAlvarez နှင့် Emory, 2006), ကိုလည်းဆုံးဖြတ်ချက်ချလျှော့ချချိတ်ဆက်ထားတဲ့ (ကုန်အမှတ်တံဆိပ်နှင့် Markowitsch, 2010), တစျဦးကအင်တာနက်ပေါ်တွင်ပျော်မွေ့၏ကြီးမားသောငွေပမာဏကိုတွေ့ကြုံခံစားသူကိုအလုပ်အမှုဆောင်လျှော့ချအတူသူတို့အားအဟောင်းများကိုတစ်ဦးချင်းစီ GIA ဖွံ့ဖြိုးစေခြင်းငှါမှနျးနိုငျသညျ။ ကျွန်တော်တို့ရဲ့နမူနာအဟောင်းတွေဘာသာရပ်များမပါဝင်ခဲ့ပါဘူးကတည်းကသို့သော်ဤကျွန်တော်တို့ရဲ့ဒေတာများကကိုယ်စားပြုသည်မဟုတ်။ အနာဂတ်လေ့လာမှုများအဟောင်းများကိုလူကြီးများအတွက် GIA များ၏အန္တရာယ်နှင့်ဆက်စပ်သည့်သီးခြားအားနည်းချက်အချက်များစုံစမ်းစစ်ဆေးရန်လိမ့်မည်။

ကျားမော်ဒယ်များ၏ခြုံငုံဖွဲ့စည်းပုံမှာမထိခိုက်ခဲ့ပါဘူး။ ယခင်ဆောင်းပါးတွေမှာ, ကျားမအပေါ်သက်ရောက်မှုများဥပမာ (ထိုကဲ့သို့သောအွန်လိုင်းဂိမ်းအဖြစ်အိုဝါ၏တိကျသောအမျိုးအစားများများအတွက်တွေ့ပါပြီ, ko et al ။ , 2005) နှင့်အထူးသဖြင့်ကျဘာ (Meerkerk et al ။ , 2006; Griffiths က, 2012; Laier et al ။ , 2013, 2014), ဒါပေမယ့်လည်း (နှစ်ဦးစလုံးလိင်အင်တာနက်ကိုတစ်ဦးစွဲလမ်းအသုံးပြုခြင်းကိုဖွံ့ဖြိုးဆဲများအတွက်အန္တရာယ်မှာယေဘုယျအားဖြင့်ဖြစ်ကြောင်းစောဒကတက်ထားသည်လူငယ်တို့ et al ။ , 1999, 2011) ။ ကျွန်တော်တို့ရဲ့လေ့လာမှုမှာတော့ GIA အပေါ်ကျား၏ဆိုးကျိုးများ, S-IAT ဖြင့်တိုင်းတာသည်အတိုင်း, အလွန်နိမ့်ခဲ့ (d = 0.19, ရလဒ်များကိုကြည့်ပါ) အနည်းဆုံးအထွေထွေလူဦးရေကျား, မနှစ်ဦးစလုံးအတွက် GIA ဖွံ့ဖြိုးဆဲများအတွက်အန္တရာယ်မှာအညီအမျှဖြစ်ကြောင်းကိုရည်ညွှန်း။ ကျား, မပု SEM အတွက်ယေဘုယျဒေတာဖွဲ့စည်းပုံမှာမထိခိုက်ပေမဲ့, အပြုပြီမှခန့်မှန်း variable တွေကိုထံမှသုံးခုကိုတိုက်ရိုက်သက်ရောက်မှုမှလေးစားမှုနှင့်အတူအမျိုးသားနှင့်အမျိုးသမီးအကြားအချို့ကွဲပြားမှုရှိကြ၏။ ရလဒ်အပိုင်းတွင်အကျဉ်းချုပ်အဖြစ်, psychopathological ရှုထောင့်ကိုင်တွယ်ဖြေရှင်းခြင်းနှင့်မျှော်လင့်ချက်များအပေါ်ကိုယ်ရည်ကိုယ်သွေးရှုထောင့်များ၏အပျက်သဘောဆောင်သောအကျိုးသက်ရောက်မှုရှိအမျိုးသမီးတွေအတွက်မဟုတ်ဘဲလူကိုမျှော်လင့်တခုတခုအပေါ်မှာအကျိုးသက်ရောက်မှုရှိခဲ့အမျိုးသမီးထက်အမျိုးသားများတွင်ပိုပြီးပစ္စုပ္ပန်ဖြစ်ပါတယ်။ ဤရွေ့ကားသက်ရောက်မှုစိတ်ကျရောဂါနှင့်လူမှုရေးစိုးရိမ်ပူပန် (ရိုသေလေးစားမှုနှင့်အတူကျား, မကွဲပြားမှုအပေါ်စာပေနှင့်အတူ fitSprock နှင့် Yoder, 1997; Moscovitch et al ။ , 2005), အဖြစ် Self-လေးစားမှုနဲ့ Self-ထိရောက်မှု (Huang က, 2012) ။ သို့သော်လေ့လာမှုများ၏အာရုံစူးစိုက်နေသောရှုထောငျ့, အမည်ရကိုင်တွယ်ဖြေရှင်းခြင်းနှင့်မျှော်လင့်ချက်များနှင့်အ GIA ဘို့မိမိတို့အရေးပါမှု၏စေ့စပ်ဖြန်ဖြေသက်ရောက်မှု (ထိုအတောအတွင်းဖွဲ့စည်းပုံမှာခွဲခြမ်းစိတ်ဖြာခြင်းရလဒ်များကိုကြည့်ပါ) ကျား, မများကမထိခိုက်ခဲ့သည်။ ဒါကြောင့်လွတ်လပ်စွာကျားလူမှုရေးစိုးရိမ်ပူပန်မှု, စိတ်ကျရောဂါဒါမှမဟုတ်တချို့ကိုယ်ရည်ကိုယ်သွေးရှုထောင့်, ကိုင်တွယ်ဖြေရှင်းခြင်းနှင့်မျှော်လင့်ချက်များကိုသြဇာလွှမ်းမိုးစေခြင်းငှါမည်သို့နှစ်ဦးစလုံးလိင်အတွက် CBT-် IA အတွက်ထည့်သွင်းစဉ်းစားရပါမည်။

နောက်ဆုံးအနေနဲ့ဒီလေ့လာမှုအများအပြားန့်အသတ်ရှိပါတယ်။ ဒါဟာအပြည့်အဝကုသမှုအတွက်၎င်း၏လက်တွေ့ထိရောက်မှုကိုမြင်ရဖို့လက်တွေ့လူဦးရေအပေါ်ထပ်မံစမ်းသပ်လိုအသစ်တီထွင်မော်ဒယ်ဖြစ်ပါတယ်။ ဒါဟာအစကို (IAT ၏ကြာကြာဗားရှင်းကို အသုံးပြု. စမ်းသပ်စစ်ဆေးရပါမည်လူငယ်တို့, 1998; Widyanto နှင့် McMurran, 2004) ကစာပေထဲမှာတစ်ဦးထက်ပိုစမ်းသပ်ပြီးအတိုင်းအတာအဖြစ်။ ကျနော်တို့ဒီလိုအင်တာနက်ကို၏အကဲဖြတ်သည်အတိုင်း, တိုတောင်းဗားရှင်းကျွန်တော်တစ်ဦးလက်တွေ့နမူနာနှင့်အတူဤအလုပ်ပုံတူတပြင်လုံးကိုမော်ဒယ်ပေမယ်လျှင်အသုံးပြုသောအကဲဖြတ် tool ကိုရဲ့အရှည်ပေးထားသောကြောင့်အိုဝါ၏နောက်ထပ်အတိုင်းအတာနှင့်အတူ IAT သုံးစွဲဖို့အကြံပြုမည်ဖြစ်ကြောင်းအသုံးပြု (အားဖြင့်လက်တွေ့အုပ်စုများနှင့်အတူဖွံ့ဖြိုးပြီးနှင့်အတည်ပြုစကေး (AICA-S က) သို့မဟုတ်လက်တွေ့အင်တာဗျူး (AICA-C အ) အဖြစ်ကွန်ပျူတာဂိမ်းစွဲမှုပြဿနာet al ။ , 2010 Wölfling, 2012) ။ ထို့အပွငျကြှနျုပျတို့သညျဤလေ့လာမှု၏ရည်ရွယ်ချက်များအတွက်အင်တာနက်ကိုအသုံးပြုခြင်းသည်မျှော်လင့်ထားမေးခွန်းလွှာဖွံ့ဖြိုးပြီးနှင့်စမ်းသပ်စစ်ဆေးပါတယ်။ ကျနော်တို့အတိုင်းအတာများရှေးရိုးစွဲနှင့်စကေး၏ဖွံ့ဖြိုးတိုးတက်မှုအတွက်သတိထားခဲ့ကြပေမယ့်, ဒီအတိုင်းအတာတရားဝင်မှုများအတွက်အပိုဆောင်းလူဦးရေအပေါ်အကဲဖြတ်ရပါမည်နှင့်မေးခွန်းလွှာအနာဂတ်လေ့လာမှုများထပ်မံပင်ကိုယ်မူလစမ်းသပ်လိုအပ်ပါသည်။ ကျွန်တော်တို့ရဲ့လေ့လာမှုမှာအကဲဖြတ်ရှုထောငျ့အရဆုံးလက်တွေ့ကျတဲ့အကြောင်းရင်းများကြောင့်ပစ္စည်းများကိုတစ်တင်းကျပ်အရေအတွက် (အွန်လိုင်းစစ်တမ်းများများ၏အခြေအနေတွင်အချိန်ကန့်သတ်) နဲ့တိုတောင်းသောမေးခွန်းသုံးပြီးတိုင်းတာခဲ့ကြသည်ကတည်းကအပိုဆောင်းနှင့်ပိုပြီးအသေးစိတ်အကြေးခွံများနှင့်အင်တာဗျူးများ, လက်တွေ့နမူနာဖို့လည်းလျှောက်ထားရပါမည် ။ တစ်ဦးကထပ်မံအလားအလာပြဿနာ (ဘုံနည်းလမ်းကှဲလှဲ၏ဖြစ်ပါသည်Podsakoff et al ။ , 2003) ။ ကံမကောင်းစွာပဲ, သီအိုရီရှိသမျှသည်အခြားသော variable တွေကိုပေးရန်သက်ဆိုင်တဲ့ဖြစ်သင့်သောအဘယ်သူမျှမရှင်းလင်းသောအမှတ်အသား variable ကို, (ထိုစစ်တမ်းအွန်လိုင်းစစ်တမ်းများများအတွက်အရေးပါတံခါးခုံဖြစ်သည့်နီးပါး 25 မိကို ယူ. ) လက်တွေ့ကျတဲ့အကြောင်းပြချက်များအတွက်လေ့လာမှုတွင်ထည့်သွင်းထားသည်။ ကျနော်တို့ရလဒ်များအပေါ်ဘုံနည်းလမ်းကှဲလှဲ၏အကျိုးသက်ရောက်မှုဖယ်မပေးနိုငျသျောလညျး, ငါတို့ကဖော်ပြခဲ့သည်တပြင်လုံးကိုဒေတာဖွဲ့စည်းပုံမှာများအတွက်ဒီအကျိုးသက်ရောက်မှုမရှိကြောင်းအကောင့်ငြင်းခုန်။ အဆိုပါ bivariate ဆက်စပ်မှု (စားပွဲတင်စစ်ဆေးတဲ့အခါမှာ 3) တဦးတည်းဥပမာ (သူတို့အားအချို့အလွန်နိမ့်ဖြစ်ကြောင်းတွေ့နိုင်ပါသည်, r = -0.08, r = -0.09, r = 0.12 စသည်တို့ကို) ။ ဒီနိမ့်ဆက်စပ်မှုဘုံနည်းလမ်းကှဲလှဲအဓိကသိသိသာသာပိုင်းခြားသုံးသပ်ပြီးထိခိုက်စေပါဘူးသောယူဆချက်တချို့နူးညံ့အရိပ်အမြွက်ပေးသောထင်ပါတယ်။ မည်သို့ပင်ဆိုစေ, မော်ဒယ်တစ်ဦးစနစ်တကျ Multi-ရို-Multi-နည်းလမ်းကိုချဉ်းကပ်မှုနှင့်အတူစုံစမ်းစေသင့်ပါတယ် (ကမ့်ဘဲလ်နှင့် Fiske, 1959) အနာဂတ်လေ့လာမှုများ၌တည်၏။

အားဖြင့်ဖော်ပြထားသကဲ့သို့လက်ရှိလေ့လာမှု, SIA အပေါ်သောမော်ဒယ်ဆိုလိုတာက GIA အပေါ်အလေးပေး ကုန်အမှတ်တံဆိပ် et al ။ (2014)ဆဲမျက်မြင်လက်တွေ့စမ်းသပ်ပြီးရန်လိုအပ်ပါသည်။ SIA ၏ကွဲပြားခြားနားသောပုံစံများကို (ဥပမာ, ဂိမ်း, အွန်လိုင်း porn, ဒါမှမဟုတ်အင်တာနက်ကလောင်းကစားဝိုင်း) ကိုင်တွယ်ဖြေရှင်းကျွမ်းကျင်မှုနှင့်အင်တာနက်အသုံးပြုမှုကိုမျှော်လင့်ထားသည့်ပြဿနာများ၏ဖွံ့ဖြိုးတိုးတက်မှုအတွက်အလားတူအခန်းကဏ္ဍလျှင်ကြည့်ဖို့စုံစမ်းစေသင့်ပါတယ်။ GIA ၏အယူအဆလူနာအတွက်ပြဿနာအပြုအမူဖုံးအုပ်ဘို့အအဓိကအားလုံလောက်သောလျှင်ဒါဟာနေဆဲလည်းဆွေးနွေးငြင်းခုံဖြစ်ပါတယ်။ ကျနော်တို့အများအပြားကွဲပြားခြားနားသော Internet application များနှင့်မော်ဒယ်အတွက်အကြံပြု variable တွေကိုတစ်ခု unspecific အသုံးပြုမှုနှင့်ပတ်သက်သော Self-အစီရင်ခံပြဿနာများအကြား link ကိုသက်သေအထောက်အထားတွေ့ရှိခဲ့ပါတယ်။ GIA ၏အယူအဆ S-IAT ညွှန်ကြားချက်များနှင့် item ကိုဖော်မြူလာအသုံးပြုပုံဒါပေမယ့်လည်းသင်တန်းသားများကိုကျော် 97% မှန်မှန်ထိုကဲ့သို့သောဆက်သွယ်ရေး, ဂိမ်း, လောင်းကစား, ဘာကြောင့်သုံးသို့မဟုတ်ထိုထက်ပိုကွဲပြားခြားနားသော Internet application များအသုံးပြုသတင်းပို့ဆိုတဲ့အချက်ကိုအားဖြင့် operationalized ခဲ့သည် စျေးဝယ်, ဒါမှမဟုတ်သတင်းအချက်အလက်ရှာ။ GIA ကုသမှု-ရှာကြံလူနာအခြေခံအားဖြင့်တစ်ဦးတည်းသာအခြို့သောလျှောက်လွှာ၏အသုံးပြုမှုကိုထိန်းချုပ်တဲ့အရှုံးကနေဆငျးရဲဒုက်ခကုသမှုရှာကြံသို့မဟုတ်လျှင်အကြောင်းပြချက်ဖြစ်နိုင်လျှင်တစ်ဦးလက်တွေ့ရှုထောင့်ကနေ, ကလက်ထက်ဆွေးနွေးငြင်းခုံတစ်ခေါင်းစဉ်ဖြစ်ပါတယ်။ ကျနော်တို့ကအင်တာနက်အသုံးပြုမှုဆက်စပ်အတွက်အရေးပါအပြုအမူစုံစမ်းစစ်ဆေးရန်နှင့်တစ်ဦးထက်ပိုသည်အင်တာနက်လျှောက်လွှာများ၏ပုန်ကန်တတ်သောအမျိုးနှင့်စွဲလမ်းအသုံးပြုခြင်းကိုလက်တွေ့နမူနာအတွက်ဘယ်လောက်မကြာခဏခွဲခြမ်းစိတ်ဖြာစနစ်တကျအားဖြင့်လက်တွေ့သုတေသန၌ဤအချက်စဉ်းစားရန်အကြံပြုအပ်ပါသည်။ ထို့အပြင်ခုနှစ်, GIA အပေါ်သီအိုရီမော်ဒယ်အတွက်အဆိုပြုထားအားလုံးမဟုတ်အစိတ်အပိုင်းများကိုဤလေ့လာမှုတွင်ထည့်သွင်းနိုင်ပါတယ်။ ဥပမာအားဖြင့်, အပိုဆောင်းကိုယ်ရည်ကိုယ်သွေးစရိုက်များသို့မဟုတ်အခြား psychopathological မမှန်အနာဂတ်လေ့လာမှုများတွင်ထည့်သွင်းနိုင်ပါသည်။

ကောက်ချက်

GIA အပေါ်မော်ဒယ်၏အဓိကယူဆချက်ပင်ကိုယ်မူလဒေတာများကထောက်ခံကြသည်။ လူတစ်ဦးရဲ့ core ဝိသေသလက္ခဏာများ GIA လက္ခဏာတွေနဲ့ဆက်စပ်နေတာပေမယ့်ဒီသက်ရောက်မှုအထူးသဖြင့်ဖြေရှင်းစတိုင်နှင့်အင်တာနက်အသုံးပြုမှုကိုမျှော်လင့်ထားအတွက်လူတစ်ဦး၏တိကျသောသိမှုကကမကထပြုခဲ့ကြသည်။ ဤရွေ့ကားသိမြင်မှုကအင်တာနက်တစ်ခုစွဲလမ်းအသုံးပြုမှုကုသမှုအတွက်ကိုင်တွယ်ဖြေရှင်းသင့်ပါတယ်။

စာရေးသူထောက်ပံ့

ဿိအမှတ်တံဆိပ်, စက္ကူ၏ပထမမူကြမ်းရေးသားခဲ့သည်ဒေတာစုဆောင်းခြင်းကြီးကြပ်ခြင်း, ခွဲခြမ်းစိတ်ဖြာနှင့်ဒေတာများအနက်။ ခရစ်ယာန် Laier အထူးသဖြင့်ပင်ကိုယ်မူလလေ့လာမှုနှင့်အချက်အလက်အစုအဝေး၏စိတ်ကူးမှလှူဒါန်းခဲ့သည်နှင့်, လက်ရေးမူများမှာတွေ့နိုင်ပါတယ်ပြန်လည်ပြင်ဆင်ထားသော။ Kimberly အက်စ်လူငယ်တို့, မူကြမ်း edited ပြင်းထန်စွာကပြန်လည်ပြင်ဆင်လျက်, လက်ရေးမူများမှာတွေ့နိုင်ပါတယ်မှဥာဏ်ရည်နှင့်လက်တွေ့ကျကျလှူဒါန်းခဲ့သည်။ အားလုံးစာရေးဆရာများနောက်ဆုံးတော့လက်ရေးမူများမှာတွေ့နိုင်ပါတယ်အတည်ပြုခဲ့သည်။ အားလုံးစာရေးဆရာများအလုပ်အပေါငျးတို့သရှုထောင့်အဘို့အတာဝန်ခံဖြစ်ကြသည်။

အကျိုးစီးပွားထုတ်ပြန်ချက်၏ပဋိပက္ခ

အဆိုပါစာရေးဆရာသုတေသနအကျိုးစီးပွားအလားအလာပဋိပက္ခအဖြစ်ဖြစ်ပေါ်စေမည့်မည်ဆိုစီးပွားဖြစ်သို့မဟုတ်ဘဏ္ဍာရေးဆက်ဆံရေး၏မရှိခြင်းအတွက်ကောက်ယူခဲ့ကွောငျးကိုကွားပွော။

ကျေးဇူးတင်လွှာ

ကျနော်တို့လေ့လာမှုနှင့်လက်ရေးမူများမှာတွေ့နိုင်ပါတယ်သူတို့ရဲ့အဖိုးတန်ပံ့ပိုးမှုများကို Elisa Wegmann နှင့်ဇန်နဝါရီ Snagowski ကျေးဇူးတင်ပါတယ်။ သူတို့ကအွန်လိုင်းစစ်တမ်းကောက် programming နှင့်ဒေတာများစစ်ဆေးနေနှင့်အတူသိသိသာသာကျွန်တော်တို့ကိုကူညီပေးခဲ့သည်။

ကိုးကား

မှတည်းဖြတ်သည်:

Ofir Turelကယ်လီဖိုးနီးယားပြည်နယ်တက္ကသိုလ်, ဖူလာနှင့်တောင်ပိုင်းကယ်လီဖိုးနီးယား, အမေရိကန်နိုင်ငံတက္ကသိုလ်

အားဖြင့်ပြန်လည်သုံးသပ်:

Aviv အမ် Weinstein, Hadassah ဆေးဘက်ဆိုင်ရာအဖွဲ့အစည်း, အစ္စရေး
Daria ဟန္န Kuss, ဗြိတိန်နိုင်ငံ Nottingham Trent တက္ကသိုလ်, ဗြိတိန်