Peng Wang1, Qingnan Lin2, 
Fengqiang Gao1* i Yingmin Chen1*
- 1School of Psychology, Shandong Normal University, Jinan, Chiny
- 2Wydział Edukacji Przedszkolnej, Uniwersytet Heze, Heze, Chiny
W badaniu zbadano wzajemny związek między uzależnieniem od Internetu (IA) a nieprzystosowanym poznaniem związanym z siecią (NMC) u chińskich studentów pierwszego roku. W prowincji Shandong w Chinach przeprowadzono krótkoterminowe badanie podłużne na próbie studentów 213. Wyniki ujawniły, że IA może znacznie przewidzieć generowanie i rozwój NMC, a kiedy takie nieprzystosowane poznania zostaną ustalone, mogą one jeszcze bardziej niekorzystnie wpływać na zakres IA uczniów. Między tymi dwiema zmiennymi zaobserwowano błędne koło, przy czym IA ma predykcyjny priorytet w związku z NMC. Badanie to wykazało również, że związek między tymi dwiema zmiennymi był taki sam dla mężczyzn i kobiet; dlatego ostateczny model, który ustaliliśmy, może być szeroko stosowany do chińskich studentów pierwszego roku, niezależnie od płci. Zrozumienie wzajemnej zależności między tymi dwiema zmiennymi może pomóc w interwencjach w IA na początku życia studenckiego w college'u.
Wprowadzenie
Od momentu powstania w 1990 Internet stopniowo stał się integralną częścią codziennego życia w Chinach, szczególnie wśród nastolatków w wieku 10 - 21 (Daniel i wsp., 2012; Liu i wsp., 2012). Według 36th Raport statystyczny dotyczący rozwoju Internetu w Chinach, która została opublikowana przez China Internet Network Information Centre (CNNIC), liczba młodych użytkowników Internetu w Chinach gwałtownie wzrosła z milionów 120 w 2002 do milionów 287 w 2016 (Tian i in., 2017).
Internet przyniósł wiele korzyści, takich jak lepsze połączenie społeczne i dobre samopoczucie (Bessière i in., 2008; Young and de Abreu, 2011). Jednak uzależnienie od Internetu (IA), które charakteryzuje się nadmiernym lub kompulsywnym korzystaniem z Internetu (Young i wsp., 1999; Shek i in., 2013; Yang i in., 2014) miał liczne negatywne skutki (Joseph i in., 2016). Wiele badań wykazało, że IA może niekorzystnie wpływać na zdrowie fizyczne i psychiczne (Ayas i Horzum, 2013; Georgios i in., 2014; Mike i Zhong, 2014). Na przykład młodzież z IA zwykle odczuwa lęk, depresję, samotność, niską samoocenę i słabe relacje interpersonalne (Tokunaga and Rains, 2010; Georgios i in., 2014; Mike i Zhong, 2014), co może dodatkowo negatywnie wpłynąć na ich samopoczucie (Tokunaga and Rains, 2010; Georgios i in., 2014; Mike i Zhong, 2014) i rozwój akademicki (Chuang, 2006; Kim i wsp., 2008; Tsai i in., 2009; Ahmadi i Saghafi, 2013). Dlatego badanie IA u nastolatków ma krytyczne implikacje edukacyjne i społeczne.
Związek między IA a NMC
Od dawna uważa się, że związane z siecią nieprzystosowane poznawcze (NMC) odgrywają kluczową rolę w IA (Li i wsp., 2013). Zgodnie z modelem poznawczo-behawioralnym (Davis, 2001), psychopatologia (np. depresja i lęk społeczny) jest dalszą konieczną przyczyną objawów IA, która sama w sobie nie powoduje objawów IA. Kluczowymi czynnikami IA są NMC, które są wystarczającymi przyczynami bliższymi (Daniel i wsp., 2012; Postać 1). Liczne badania donoszą, że dystalna psychopatologia czyni osobę podatną na IA poprzez NMC (Kalkan, 2012; Mai i in., 2012; Li i Wang, 2013; Lu i Yeo, 2015). Na przykład, badacze zbadali związek między temperamentem (tj. Kontrolą wysiłku, poszukiwaniami wrażeń i wysoką dyspozycyjną złością lub frustracją) a rozwojem IA; wyniki wskazują, że niektóre temperamenty wpływają na poziom IA poprzez wpływ temperamentu na ich poznanie zachowań online (Zhang i in., 2015). Tian i in. (2017) zbadali wzajemne powiązania między nieśmiałością, nieprzystosowanym poznaniem i uogólnionym patologicznym wykorzystaniem Internetu (GPIU) na próbie chińskiej. Wyniki wskazały, że powiązania między tymi zmiennymi są dynamiczne i dwukierunkowe oraz że zwiększone nieprzystosowane poznania dwukierunkowo pośredniczą w relacji między nieśmiałością a GPIU w czasie. Ponadto inne badania wykazały, że styl rodzicielski i relacje z rówieśnikami mogą predysponować ludzi do NMC, co dodatkowo wpłynęłoby na poziom IA (Li i wsp., 2013; Wang i wsp., 2015).
RYSUNEK 1. Model poznawczo-behawioralny patologicznego korzystania z Internetu (Davis, 2001).
Ponadto wiele innych badań koncentrowało się na uzależnieniu od gier internetowych i badało jego związek z poznaniami nieprzystosowawczymi. King and Delfabbro (2014) zaproponował nowy model, który oferuje teoretyczne wyjaśnienie pochodzenia i patogenezy uzależnienia od gier internetowych. Autorzy zidentyfikowali cztery nieprzystosowane poznania leżące u podstaw uzależnienia od gier internetowych, a mianowicie przeszacowanie, nieprzystosowujące reguły, samoocenę i akceptację gier. Niektóre badania empiryczne wykazały również, że młodzież z objawami uzależnienia od gier internetowych zgłaszała znacznie więcej nieprzystosowanych funkcji poznawczych niż młodzież bez tych objawów (Zhou i wsp., 2012; Liu i wsp., 2014; King i Delfabbro, 2016). Peng and Liu (2010) poinformował, że pięciostopniowa skala pomiaru poznania istotnie przewiduje uzależnienie od gier internetowych u dorosłych w Chinach. Forrest i in. (2016) badali zaburzenia adaptacyjne związane z problematyczną grą w gry wideo na próbie dorosłych australijskich 465. Wyniki ujawniły, że te problematyczne poznanie korelowało umiarkowanie do wysokiego z uzależnieniem od gier internetowych. Forrest i in. (2017) zbadali, czy niewłaściwe funkcje poznawcze mogą przewidzieć przyszłe zmiany w problematycznych grach wideo, wykorzystując miesięczne badanie 12. Wyniki pokazały, że zmiana poznawcza stanowiła 28% wariancji w problematycznych wynikach gier poza płcią, wiekiem i częstotliwością gier.
Chociaż w wielu badaniach zidentyfikowano wpływ NMC na IA, niewiele badań zbadało możliwy wpływ IA na NMC. Teoria dysonansu poznawczego (Festinger, 1957), który dotyczy głównie sposobu, w jaki ludzie doświadczają niespójności w myśleniu oraz między zachowaniem a myśleniem, i reaguje na nie, stanowi alternatywne wyjaśnienie, w jaki sposób NMC odnosi się do IA. Kiedy ludzie stają się świadomi niespójności, odczuwają dyskomfort lub dysonans, co skłania do wysiłków na rzecz ograniczenia tych doświadczeń i odzyskania spójności poprzez dostosowanie ich postaw, spostrzeżeń lub zachowań do czasu ich rozwiązania (de Vries i Timmins, 2016). Zgodnie z tą teorią, kiedy ludzie zachowują się niekonsekwentnie ze swoimi wartościami, na przykład, pozwalając sobie na Internet, gdy już negatywnie wpłynęło to na ich życie, doświadczają dysonansu w formie żalu; dzieje się tak z poczuciem osobistej odpowiedzialności za negatywne konsekwencje ich zachowań. Większość ludzi jest w stanie z powodzeniem dostosować swoje zachowanie, aby zmniejszyć ten dysonans. Jednak niektóre osoby mogą zmniejszyć dysonans, zmieniając swoje podejście do Internetu, zmniejszając w ten sposób dysonans przy jednoczesnym zachowaniu problematycznych zachowań. Chiou and Wan (2007) zbadał ten proces na próbie graczy w gry wideo. Wyniki ujawniły, że gracze, którzy czują się odpowiedzialni za swoje zachowanie, częściej zmieniają swoje nastawienie do gier wideo z pozytywnych na negatywne, podczas gdy gracze z wyższymi inwestycjami w gry wideo rzadziej angażują się w zachowania niezgodne z postawami.
Badania nad IA wśród studentów
Różnorodne badania sugerują, że nastolatki stanowią większość użytkowników Internetu, a studenci są szczególnie narażeni na IA ze względu na łatwy dostęp do Internetu, elastyczne harmonogramy i niższą zdolność kontrolowania ich zachowania (Shaw and Black, 2008; Fu i in., 2010; Georgios i in., 2014; Yang i in., 2014). Ponadto początek życia studenckiego jest okresem rozwojowym dla studentów podczas odchodzenia od relatywnie wysokiego polegania na relacjach interpersonalnych (nie tylko relacjach rodzinnych, ale także rówieśniczych i innych relacjach społecznych; Woodhouse i in., 2012). Poprzednie badania wykazały, że niekontrolowane korzystanie z Internetu jest ściśle związane ze spadkiem komunikacji i nadzoru w rodzinie (Van den Eijnden i in., 2010; Liu i wsp., 2012). W związku z tym zmiana w relacjach interpersonalnych naraża początkujących studentów na ryzyko rozwoju IA (Zhang i in., 2014).
Ponadto studenci pierwszego roku muszą zdać serię rygorystycznych egzaminów, aby dostać się na studia w Chinach, i zazwyczaj nie mają wystarczająco dużo czasu na refleksję podczas liceum. W związku z tym brak nauki i umiejętności interpersonalne w życiu studenckim mogą powodować, że czują się zdezorientowani (Ni i wsp., 2009). Ponadto, ze względu na obfity czas wolny i nieograniczony dostęp do Internetu za pośrednictwem szeregu narzędzi bezprzewodowych, studenci pierwszego roku spędzają dużo czasu w Internecie, a zatem bardzo prawdopodobne jest wystąpienie objawów IA w tym wyjątkowym okresie (Chen, 2012). Aby zapewnić zapobiegawcze i interwencyjne strategie dla IA, przeprowadzono krótkoterminowe badanie podłużne w pierwszym semestrze na studiach.
Obecne studia
Chociaż wielu badaczy badało związek między IA a NMC, większość przyjęła podejście przekrojowe; w związku z tym zidentyfikowanie wzajemnego związku między tymi dwiema zmiennymi jest trudne (Joseph i in., 2016). Ponadto, chociaż prawdopodobieństwo rozwoju IA u studentów jest znacznie wyższe na początku studiów (Li i Liang, 2007; Ni i wsp., 2009), uczestnikami wcześniejszych studiów byli zazwyczaj studenci w każdym wieku, przy czym studenci pierwszego semestru byli mniej zaangażowani. Dlatego w niniejszym badaniu przyjęto analizę opóźnioną w celu zbadania związku między IA i NMC wśród studentów w pierwszym semestrze ich życia studenckiego. Według wcześniejszych badań teoretycznych i empirycznych może istnieć wzajemna zależność między tymi dwiema zmiennymi. Dlatego zaproponowaliśmy model interakcji (ryc 2) i przetestował trzy hipotezy dotyczące związku między tymi dwiema zmiennymi.
RYSUNEK 2. Model hipotetyczny.
H1. Istnieją pozytywne i znaczące ścieżki opóźnione od IA do NMC, a NMC jest skutecznym predyktorem IA wśród chińskich studentów pierwszego roku.
H2. Przecinające się ścieżki od IA do NMC osiągają znaczący poziom, a poziom IA w konsekwencji niekorzystnie wpływa na NMC.
H3. Zależność między IA i NMC można ogólnie zastosować u mężczyzn i kobiet.
Materiały i Metody
Uczestnicy
Początkowa liczba studentów pierwszego roku studiów, którzy mogli wziąć udział, to uczestnicy 300, wszyscy zapisani do dwóch szkół wyższych w dwóch miastach (mianowicie Jinan i Heze) w prowincji Shandong w Chinach. Gromadzenie danych przeprowadzono na początku września 2015 (T1), 2 miesiące później (T2), a następnie 4 miesiące później (T3). Podczas pierwszej fali gromadzenia danych wszyscy studenci 300 ukończyli pomiar. Jednak przy kolejnych falach 87 tych uczniów 300 wycofał się w połowie. Brak uczestnictwa wynikał z nieobecności lub choroby (wskaźnik uczestnictwa: 71.00%). Dlatego studenci 213 pozostali do ostatecznej analizy danych (mężczyźni 104 i kobiety 109), w wieku od 17 do lat 21 (M = 18.87 lat, SD = 0.76 lat). Aby ustalić, czy dane uczniów, którzy wycofali się w połowie (studenci 87), różniły się od danych, które nie wycofały się (studenci 213), w odniesieniu do którejkolwiek ze zmiennych uwzględnionych w tym badaniu, seria t- testy przeprowadzono z wykorzystaniem danych zebranych podczas pierwszej fali gromadzenia danych; żadna z tych analiz nie była znacząca. Wszyscy ci uczestnicy mieli doświadczenie w korzystaniu z Internetu i zostali włączeni do tego badania. Uczestnicy korzystali z Internetu średnio przez 5.59 lat (SD = 2.06) na początku życia studenckiego. Zebrano informacje o zarejestrowanym miejscu zamieszkania studentów: 43.19% mieszkał w dużych miastach, 35.68% mieszkał w miastach, a 21.13% mieszkał na wsi. Ponadto dla każdego ucznia utworzono plik (pliki te zawierały jego podstawowe informacje, a także stan zdrowia fizycznego i psychicznego) w momencie wejścia na uczelnię. Z akt wynika, że żaden z uczestników nie ma żadnych zaburzeń psychicznych ani neurologicznych. Badanie zostało przeprowadzone zgodnie z zaleceniami etycznymi wytycznymi Shandong Normal University i Deklaracją Helsińską, za pisemną świadomą zgodą wszystkich uczestników. Protokół został zatwierdzony przez Komitet ds. Etyki Badań Ludzkich w Shandong Normal University.
instrumenty
Uzależnienie od Internetu
W bieżącym badaniu przyjęto zmienioną chińską skalę uzależnienia od Internetu (CIAS-R; Bai and Fan, 2005). CIAS-R zawiera elementy 19, które można podzielić na cztery czynniki: kompulsywne używanie i wycofywanie (np. „Czuję się przygnębiony w czasie bez dostępu do Internetu”), tolerancja (np. „Czuję, że muszę wydawać coraz większe kwoty czasu online, aby poczuć się usatysfakcjonowanym ”), problemy z zarządzaniem czasem (np.„ Moje wyniki w nauce lub pracy cierpią z powodu niekorzystnych efektów z powodu korzystania z Internetu ”) oraz problemy interpersonalne i zdrowotne (np.„ Skracam czas snu, aby mieć więcej czasu online"). Każda odpowiedź była mierzona w punktowej skali Likerta typu 4 z wynikami w zakresie od 1 (wcale nie prawda) do 4 (zawsze prawda). Dlatego wyższe średnie wyniki reprezentują wyższe poziomy IA. Skala została zastosowana w ostatnich badaniach na chińskich studentach i wykazała wysoką niezawodność i aktualność (Tian i in., 2015). W niniejszym badaniu współczynniki alfa dla skali wynosiły 0.92 w T1, 0.95 w T2 i 0.91 w T3.
Nieprawidłowe poznawanie związane z siecią
W badaniu przyjęto Skalę Nieprzystosowawczego Poznania związaną z siecią, zmienioną przez Liang; oryginalna skala to Online Cognition Scale, która została opracowana na podstawie modelu poznawczo-behawioralnego zaproponowanego przez Davisa (Tian i in., 2015). Skorygowana skala zawiera elementy 14, które można podzielić na trzy czynniki: wygodę w Internecie (np. „Otrzymuję większy szacunek w Internecie niż w„ prawdziwym życiu ”), zmniejszoną kontrolę impulsów (np.„ Kiedy jestem w Internecie, często czuć się jak „pośpiech” lub emocjonalny haj) i rozproszenie uwagi (np. „Korzystanie z Internetu to sposób na zapomnienie o rzeczach, które muszę zrobić, ale naprawdę nie chcę tego robić”). Uczestnicy ocenili, jak prawdziwe jest każde stwierdzenie w punktowej skali Likerta typu 5, z wynikami od 1 (wcale nie prawda) do 5 (zawsze prawda). Dlatego wyższe średnie wyniki reprezentują wyższy poziom NMC w zakresie korzystania z Internetu. Skala została zastosowana we wcześniejszych badaniach na chińskich studentach (Tian i in., 2015, 2017). W bieżącym badaniu współczynniki alfa dla skali wynosiły 0.87 w T1, 0.90 w T2 i 0.90 w T3.
Analiza statystyczna
W tym badaniu zastosowaliśmy całkowicie panel opóźniony w celu zbadania jednokierunkowych i dwukierunkowych relacji między IA i NMC u chińskich studentów pierwszego roku (Van Lier i in., 2012). Ogólny model składał się z miar IA i NMC w T1, T2 i T3. Zaproponowaliśmy i przetestowaliśmy cztery modele reprezentujące możliwe mechanizmy między tymi dwiema zmiennymi. Najpierw zaproponowaliśmy „model stabilności” (Model 1, ryc 3), który obejmował tylko efekty stabilności w czasie. Po drugie, model poznawczo-behawioralny (Model 2, ryc 3) zaproponowano zbadanie, czy NMC w pewnym momencie może przewidzieć IA w następnym punkcie czasowym. Po trzecie, zaproponowaliśmy „model behawioralno-poznawczy” (Model 3, ryc 3) w celu zbadania, czy IA w pewnym momencie może przewidzieć NMC w następnym punkcie czasowym. Wreszcie zaproponowaliśmy „model przyczynowości wzajemnej” (Model 4, ryc 3), w którym zbadano wzajemny wpływ między IA a NMC. Ponadto przeprowadzono wielogrupową analizę krzyżową opartą na płci w celu zbadania, czy związek między dwiema kluczowymi zmiennymi różni się między mężczyznami i kobietami.
RYSUNEK 3. Wyniki analizy opóźnionej. Linie z pojedynczymi strzałkami reprezentują współczynniki ścieżki, a linie z podwójnymi strzałkami reprezentują kowariancje. Linie przerywane wskazują nieistotne współczynniki, a linie ciągłe wskazują znaczące współczynniki. ∗∗∗wskazać, że współczynnik jest istotny na poziomie 0.001, ∗∗wskazują, że współczynnik jest znaczący na poziomie 0.01, oraz ∗wskazuje, że współczynnik jest znaczący na poziomie 0.05.
W tym badaniu zastosowano modelowanie równań strukturalnych ze zmiennymi utajonymi w celu przetestowania modelu hipotetycznego. Zgodnie z zaleceniem z Holbert and Stephenson (2002), ocena dopasowania modelu została oceniona przy użyciu różnych wskaźników. Χ2 Szacowanie ze stopniami swobody jest nadal najczęściej stosowanym sposobem przeprowadzania porównań między różnymi modelami. Stosunek między χ2 a stopnie swobody nie powinny przekraczać 5 dla modeli z dobrym dopasowaniem. Dodatkowo, zgłosiliśmy porównawczy wskaźnik dopasowania (CFI) wraz ze wskaźnikiem Tuckera-Lewisa (TLI) i pierwiastkowy średni błąd przybliżenia przybliżenia (RMSEA). Ogólnie wartości CFI i TLI dla 0.95 lub wyższej odzwierciedlają dobre dopasowanie, a wartości RMSEA niższe niż 0.06 wskazują na doskonałe dopasowanie, podczas gdy wartości między 0.06 i 0.08 wskazują na dobre dopasowanie (Yuan i wsp., 2014). Ponadto χ2 test różnicy (χχ2) wykorzystano do porównania dopasowania modeli zagnieżdżonych. Nieistotny χχ2 test wskazuje, że oba modele zapewniają równe dopasowanie do danych, podczas gdy znaczące Δχ2 sugeruje zachowanie mniej ograniczonego modelu (Tian i in., 2017).
Efekt
Analiza opisowa
Średnie i standardowe odchylenia kluczowych zmiennych w tym badaniu przedstawiono w tabeli 1. Powtarzane pomiary ANOVA przeprowadzono w celu zbadania wpływu płci i czasu pomiaru na IA i NMC uczestników („płeć” jest zmienną między podmiotami, a „czas pomiaru” jest zmienną wewnątrz badanych). Wyniki nie wykazały znaczącej różnicy między płciami pod względem dwóch zmiennych zależnych (F = 0.10, p = 0.749; F = 0.02, p = 0.822). Z czasem poziom IA znacznie wzrósł z T1 do T3 wśród studentów pierwszego roku studiów (F = 28.71, p <0.001). Wyniki a post hoc test wykazał, że poziom IA zmierzony w T3 był znacznie wyższy niż w T2 (p <0.01) i T1 (p <0.001), a poziom IA mierzony w T2 był istotnie wyższy niż w T1 (p <0.001). Ponadto występowały marginalne znaczące różnice w NMC, mierzone w różnych momentach (F = 2.93, p = 0.055). Wyniki post hoc test wykazał, że poziom IA zmierzony w T3 był znacznie wyższy niż w T1 (p <0.05) i że marginalnie znaczące różnice istniały w NMC podczas pomiaru w T1 i T2 (p = 0.065). Jednak nie było znaczącej różnicy w NMC, gdy mierzono ją w T2 i T3 (p = 0.846). Interakcja między płcią a czasem pomiaru w tych dwóch zmiennych nie osiągnęła znaczących poziomów (F = 0.38, p = 0.682; F = 0.24, p =
TABELA 1. Statystyka opisowa IA i NMC (n =
Jak pokazano w tabeli 2, korelacje dwuwymiarowe między IA i NMC w T1, T2 i T3, a także wszystkie korelacje między tymi dwiema zmiennymi były znaczące i dodatnie, co sugeruje pozytywny związek między IA i NMC.
TABELA 2. Korelacje między IA i NMC (n =
Relacje opóźnione między IA a NMC
Określono szereg modeli opóźnionych w celu zbadania wzajemnych relacji między IA i NMC. Najpierw model podstawowy (model 1, rysunek 3) zostało określone; w tym modelu oszacowano współczynniki stabilności dla IA i NMC, ale nie oszacowano efektów opóźnienia między dwiema zmiennymi. Dopasowanie modelu było dopuszczalne (tabela 3). Po drugie, w celu przetestowania przedstawionego wcześniej modelu poznawczo-behawioralnego, ścieżki opóźnione od NMC do IA zostały dodane do modelu podstawowego (Model 2, rysunek 3), co znacznie poprawiło dopasowanie modelu (tabela 3). Χ2 test różnic wykazał, że model 2 wykazał lepsze dopasowanie do danych niż model 1 (χχ2 = 27.05, Δdf = 2, χχ2/ Δdf = 13.53> 6.63) (Wen i wsp., 2006). Według modelu 2, znormalizowane współczynniki ścieżki to 0.10 (p = 0.309) dla NMC mierzone przy T1 do IA mierzone przy T2 i 0.36 (p <0.001) dla NMC mierzonych w T2 do IA mierzonych w T3. Po trzecie, aby zbadać, czy IA w jednym punkcie czasowym może przewidzieć NMC w następnym punkcie czasowym, do modelu bazowego dodano ścieżki z opóźnieniem krzyżowym od IA do NMC (Model 3, ryc. 3). Wynik pokazał, że osiągnięto dobre dopasowanie modelu (Tabela 3). Χ2 test różnic wykazał, że model 3 wykazał lepsze dopasowanie do danych niż model 1 (χ2 = 47.20, Δdf = 2, χχ2/ Δdf = 23.60> 6.63). Zgodnie z modelem 3, znormalizowane współczynniki ścieżki wyniosły 0.44 (p <0.001) dla IA mierzonego w T1 do NMC mierzonego w T2 i 0.50 (p <0.001) dla IA mierzonego w T2 do NMC mierzonego w T3. Wskazuje to, że IA w pewnym momencie był skutecznym predyktorem NMC w następnym punkcie czasowym i że dodanie dwóch ścieżek do modelu może znacznie poprawić dopasowanie modelu. Po czwarte, określono Model 4 z uwzględnieniem zarówno współczynników stabilności, jak i efektu opóźnienia krzyżowego między IA i NMC (Model 4, rys. 3). Model wystarczająco dopasowuje dane (tabela 3). Jednak modele 3 i 4 są zagnieżdżone, a χ2 test różnic wykazał, że oba modele działały równie dobrze (χ2 = 11.69, Δdf = 2, χχ2/ Δdf = 5.85 <6.63). Wreszcie, jak pokazano w Modelu 4, z wyjątkiem standaryzowanych współczynników ścieżki dla NMC mierzonych w T1 do IA mierzonych w T2, reszta opóźnionych ścieżek między IA i NMC osiągnęła znaczący poziom. Dlatego usunęliśmy tę ścieżkę i opracowaliśmy Model 5. Model dostatecznie dopasował się do danych (Tabela 3). W związku z tym model 5 został zachowany jako model końcowy do analizy z następujących powodów: (1) Chociaż oba modele działały równie dobrze (χχ2 = 0.21, Δdf = 1, χχ2/ Δdf = 0.21 <6.63), Model 5 jest prostszy i bardziej oszczędny niż Model 4, a do analizy należy wybrać mniej parametrów. (2) χ2 test różnicy wykazał, że model 5 wykazał lepsze dopasowanie do danych niż model 3 (χχ2 = 11.48, Δdf = 1, χχ2/ Δdf = 11.48> 6.63), a znormalizowany współczynnik ścieżki wyniósł 0.25 (p <0.001) dla NMC mierzonych w T2 do IA mierzonych w T3. Oznacza to, że istnieje duże prawdopodobieństwo, że NMC mierzone w T2 może przewidywać IA mierzone w T3.
TABELA 3. Porównania różnych modeli.
Różnice płci
Aby zbadać, czy relacje między IA a NMC różnią się między sobą, mężczyzn i kobiet, przeprowadziliśmy analizę dla wielu grup. Najpierw oszacowaliśmy model odpowiedni dla mężczyzn (Mzły) i kobiety (MPłeć żeńska) oddzielnie, a wskaźniki dopasowania były odpowiednie dla obu podprób (tabela 4). Następnie przetestowano niezmienność pomiaru, aby ustalić, czy obie zmienne zostały zmierzone identycznie dla mężczyzn i kobiet. W całkowicie nieograniczonym modelu pomiarowym (M1), wszystkie parametry mogły się różnić w obu grupach. Osiągnięto akceptowalne dopasowanie modelu oraz w pełni ograniczony model pomiarowy (M2) następnie przeanalizowano, w którym wszystkie parametry zostały ustalone identycznie dla dwóch grup; model wystarczająco pasuje do danych (tabela 4). Χ2 test różnic wykazał, że oba modele działały równie dobrze (χ2 = 6.50, Δdf = 15, p =
TABELA 4. Analiza wielu grup u mężczyzn i kobiet.
Aby zrealizować cel badawczy tej części badania, przeprowadziliśmy analizę krzyżową wielu grup w zależności od płci studentów. Testowano trzy parametry w celu zbadania, czy różnią się między płciami: współczynniki stabilności, współczynniki ścieżki krzyżowej oraz kowariancje między IA i NMC. Model ograniczony (M3) określono, w którym wszystkie trzy parametry były identyczne we wszystkich dwóch grupach; model ten osiągnął zadowalające dopasowanie modelu (Tabela 4). Χ2 test różnicy wykazał, że ten model pasuje do danych tak dokładnie, jak model całkowicie nieograniczony (χχ2 = 1.78, Δdf = 7, p = 0.996), wskazując, że ogólny wzór ścieżek był niezmienny między mężczyznami i kobietami.
Dyskusja
Badanie polegało na przeprowadzeniu krzyżowego badania panelowego w celu zbadania wzajemnych relacji między IA i NMC wśród chińskich studentów pierwszego roku. Zgodnie z modelem poznawczo-behawioralnym (Davis, 2001) między tymi dwiema zmiennymi może istnieć wzajemny związek, a NMC jest prawdopodobnym predyktorem IA. Jednak ta hipoteza nie została w pełni poparta. Podczas pierwszych miesięcy badania 2 nie zaobserwowaliśmy żadnego predykcyjnego wpływu NMC na IA; nie jest to zgodne z wynikami poprzedniego badania (Tian i in., 2015). W szczególności wydaje się, że NMC nie jest zasadniczym warunkiem generowania IA. Ten wynik jest prawdopodobnie związany z uczestnikami obecnego badania. W tym badaniu uczestnikami ankiety byli chińscy studenci pierwszego roku, którzy niedawno ukończyli ścisły egzamin wstępny, a mianowicie „Gaokao”. Aby uzyskać przyjęcie na studia, studenci muszą dołożyć wszelkich starań przez cały okres kształcenia podstawowego i średniego; w związku z tym niewielu z nich ma wystarczająco dużo czasu na korzystanie z Internetu (Li i Liang, 2007). Dlatego poziom NMC był najniższy, gdy uczestnicy zapisali się na studia, co mogło zapobiec znacznemu wpływowi na generowanie IA. W okresie studiów wiele innych czynników może powodować uzależnienie ludzi od Internetu. Na przykład anonimowość i brak niewerbalnych i demograficznych wskazówek dostarczanych przez Internet może być korzystny dla dobrobytu studentów, ponieważ oferuje ulgę w stresie emocjonalnym (Caplan and Turner, 2007) i poprawa postrzegania wsparcia społecznego i poczucia własnej wartości (Kraut i in., 2002), a także rozszerzenie zakresu relacji interpersonalnych (Cotten, 2008). Ponadto cechy osobowości mogą odgrywać kluczową rolę w generowaniu IA w tym okresie (Mike i wsp., 2014). Na przykład ludzie o dużej kontroli wysiłku byli bardziej skuteczni w tłumieniu impulsywnych aktów, kiedy kusili go Internet, jak wspomniano wcześniej. Natomiast osoby o wysokim poziomie poszukiwania wrażeń były bardziej podatne na rozwój zachowań uzależniających (Zhang i in., 2015). Jednak stres akademicki chińskich studentów pierwszego roku znacznie spadł po rozpoczęciu studiów i mieli więcej czasu na korzystanie z Internetu (Li i Liang, 2007). W ten sposób mogli stopniowo opracowywać różne reakcje poznawcze w kierunku Internetu poprzez własne doświadczenia lub doświadczenia związane z wymianą rówieśników, co w konsekwencji wpłynęło na ich poziom IA (Wang i wsp., 2015).
Zgodnie z modelem poznawczo-behawioralnym (Davis, 2001) IA może mieć negatywny wpływ na NMC (Caplan, 2010). Jednak przeprowadzono niewiele badań empirycznych w celu przetestowania tej hipotezy, a niewielu badaczy zaproponowało teorie wyjaśniające to zjawisko. Niemniej jednak empiryczne dowody obecnych badań sugerują, że IA miała predykcyjny priorytet w swoich relacjach z NMC, co może wpływać zarówno na wytwarzanie, jak i rozwój NMC. Niektórzy badacze badali zachowania związane z grami online u chińskich nastolatków. Stwierdzili oni, że zachowania związane z grami online mogą znacząco wpływać na poznanie gier online, ponieważ zmiana względnego poznania gier online była skuteczną metodą łagodzenia dyskomfortu wynikającego z niespójności między zachowaniem a myśleniem (Wang i wsp., 2015). Dlatego zastosowaliśmy teorię dysonansu poznawczego jako model wyjaśniający w celu omówienia mechanizmu efektu prognostycznego IA na NMC (Cooper, 2007). Zgodnie z tą teorią, gdy ludzie uświadamiają sobie niespójności, odczuwają dyskomfort lub dysonans, co skłania do wysiłków na rzecz ograniczenia tego doświadczenia i odzyskania spójności poprzez dostosowanie ich postaw, spostrzeżeń lub zachowań do momentu rozwiązania takich niespójności (de Vries i Timmins, 2016). Większość ludzi może z powodzeniem dostosować swoje zachowanie, aby zmniejszyć ten dysonans. Jednak niektórzy ludzie usprawiedliwiają zachowania, które wydają się zmniejszać dysonans, wykorzystując takie przyczyny, jak: „Mogę uzyskać większy szacunek online niż„ w prawdziwym życiu ”,„ Czuję się najbezpieczniej w Internecie ”lub„ Korzystanie z Internetu to sposób, aby zapomnieć o rzeczach, które muszę zrobić, ale nie chcę tego robić. ”Kiedy ludzie przekonali się, że uzależnienie od Internetu jest uzasadnione, dysonans zmniejsza się i czują się lepiej. Jednak skuteczna metoda zmniejszania dyskomfortu dysonansowego zwykle się powtarza, gdy nastąpi kolejne identyczne naruszenie, co jest problematyczne (de Vries i Timmins, 2016). To znaczy, gdy studenci ustanowią takie NMC, późniejsze nadmierne korzystanie z Internetu nie powoduje takiego samego dyskomfortu, co dodatkowo zwiększa nadmierne korzystanie z Internetu. Podsumowując, generowanie i rozwój IA jest spowodowany błędnym cyklem związanym z NMC i nadmiernym korzystaniem z Internetu, a IA ma predykcyjny priorytet w swoich relacjach z NMC.
Wyniki wskazują na brak istotnych różnic w kluczowych zmiennych między mężczyznami i kobietami. Jest to niezgodne z ustaleniami wielu innych badań (Müller i wsp., 2014). Jest to prawdopodobnie spowodowane szybkim rozwojem technologii obliczeniowych i sieciowych, które znacznie zmieniły sieciowe urządzenia końcowe oraz ich zastosowania (Daniel i wsp., 2012; Mike i Zhong, 2014). Na przykład we współczesnym społeczeństwie telefony komórkowe stopniowo stają się podstawowymi środkami dostępu do Internetu i można za ich pomocą wykonywać różnorodne czynności, takie jak zakupy i przeglądanie. Zarówno mężczyźni, jak i kobiety korzystają z większości takich działań (San, 2015). Ponadto wyniki analizy krzyżowej dla wielu grup wskazują, że ścieżki znalezione wśród IA i NMC były takie same dla mężczyzn i kobiet. Oznacza to, że procesy prowadzące do IA mogą być identyczne dla obu płci, a ostateczny model ustanowiony w niniejszym badaniu ma zatem szerokie zastosowanie i praktyczne znaczenie dla chińskich studentów pierwszego roku studiów.
W celu dalszej identyfikacji generatywnego i rozwojowego mechanizmu IA zaproponowaliśmy model teoretyczny oparty na wynikach tego badania, a także model poznawczo-behawioralny zaproponowany przez Davisa (ryc. 4). Zgodnie z tym modelem generowanie i rozwój IA jest wynikiem błędnego cyklu z udziałem IA i NMC, a cykl ten jest spowodowany głównie dyskomfortem wynikającym z niespójności między zachowaniem a myśleniem (de Vries i Timmins, 2016). Ponieważ cykl ten zaczyna się głównie od nadmiernego korzystania z Internetu, konieczne jest złagodzenie tego błędnego cyklu na początku semestru za pomocą różnych metod. Jednak z powodu silnego odwołania Internetu do młodych ludzi, całkowite unikanie IA wśród studentów pierwszego roku jest trudne. Zgodnie z teorią dysonansu poznawczego, gdy niektóre z nich uzależniają się od Internetu, istnieją dwie metody zmniejszania dyskomfortu wynikającego z niespójności między zachowaniem a myśleniem. Pierwsza metoda polega na zmianie zachowania online, a druga metoda polega na dostosowaniu poznania w celu opracowania uzasadnień dla zachowania uzależniającego. Druga metoda jest oczywiście preferowana. Dlatego model ten może zapewnić teoretyczne wsparcie dla planów zapobiegania i działań naprawczych w przypadku IA wśród chińskich studentów na samym początku ich studiów.
RYSUNEK 4. Model teoretyczny niniejszego badania.
Ograniczenia i przyszłe kierunki
Warto zwrócić uwagę na kilka ograniczeń tego badania. Po pierwsze, chociaż zaproponowaliśmy model teoretyczny dotyczący generowania i rozwoju IA, model ten nie został w pełni sprawdzony w bieżącym badaniu i skupiliśmy się tylko na wzajemnych relacjach między IA a NMC. Jako takie, należy przeprowadzić dalsze badania empiryczne w celu weryfikacji tego modelu. Co więcej, ten model teoretyczny mógł nie uwzględniać wpływu kilku innych czynników, takich jak emocje i środowisko zewnętrzne. Dlatego w celu rozwiązania tego problemu należy opracować bardziej wyrafinowane modele teoretyczne. Po drugie, aby zbadać wzajemne relacje między IA a NMC, w tym badaniu przeprowadzono trzy ankiety od września 2015 do stycznia 2016. Jednak czas trzech ankiet mógł być zbyt krótki, aby wykryć stabilną zmianę IA w czasie. Trend rozwojowy może być wyraźnie widoczny w kolejnych okresach życia studenckiego. W związku z tym konieczne jest dalsze badanie tego problemu w pozostałych latach ich pobytu na studiach. Wreszcie, użycie dogodnej próby studentów pierwszego roku studiów w tym badaniu było konieczne ze względu na ograniczenia dotyczące finansów i zasobów ludzkich. W tej próbie uczestniczyli tylko uczestnicy 213, wszyscy pochodzący z uniwersytetu w prowincji Shandong w Chinach. Różnice ekonomiczne i kulturowe między prowincjami mogą wpływać na relacje między dwiema kluczowymi zmiennymi obejmującymi studentów pierwszego roku studiów. Dlatego badanie należy powtórzyć na większej próbie obejmującej różne regiony Chin.
Autorskie Wkłady
PH przyczyniło się do początkowej koncepcji pomysłu i napisania manuskryptu. PW i FG przyczyniły się do krytycznych zmian. QL i YT pomogły ukończyć gromadzenie i analizę danych. Wszyscy autorzy zatwierdzili ostateczną wersję manuskryptu do publikacji.
Finansowanie
Badania zostały wsparte Programem Naukowym Towarzystwa Humanistycznego w prowincji Shandong (J16YG21), Programem Naukowym Sztuki w prowincji Shandong (ZX2015021) oraz Programem Naukowym Towarzystwa Humanistycznego Uniwersytetu Heze (XY16SK09).
Oświadczenie o konflikcie interesów
Autorzy oświadczają, że badanie zostało przeprowadzone przy braku jakichkolwiek powiązań handlowych lub finansowych, które mogłyby być interpretowane jako potencjalny konflikt interesów.
Referencje
Ahmadi, K., i Saghafi, A. (2013). Profil psychospołeczny uzależnienia od Internetu irańskich nastolatków. Cyberpsychol. Behav. Soc. Sieć. 16, 543 – 548. doi: 10.1089 / cyber.2012.0237
Ayas, T. i Horzum, MB (2013). Związek między depresją, samotnością, poczuciem własnej wartości a uzależnieniem od Internetu. Edukacja 133, 183-190.
Bai, Y. i Fan, FM (2005). Badanie zależności studentów od Internetu: przegląd i zastosowanie pomiaru. Psychol. Dev. Educ. 4, 99 – 104. doi: 10.3969 / j.issn.1001-4918.2005.04.019
Bessière, K., Kiesler, S., Kraut, R., i Boneva, BS (2008). Wpływ korzystania z Internetu i zasobów społecznościowych na zmiany depresji. Poinformować. Commun Soc. 11, 47-70. doi: 10.1080 / 13691180701858851
Caplan, S. (2010). Teoria i pomiar uogólnionego problematycznego korzystania z Internetu: podejście dwuetapowe. Comput. Szum. Behav. 26, 1089 – 1097. doi: 10.1016 / j.chd.2010.03.012
Caplan, SE i Turner, JS (2007). Wykorzystanie teorii do badań nad pocieszającą komunikacją za pośrednictwem komputera. Comput. Szum. Behav. 23, 985 – 998. doi: 10.1016 / j.chb.2005.08.003
Chen, SK (2012). Korzystanie z Internetu i samopoczucie psychiczne wśród studentów: utajone podejście profilowe. Comput. Szum. Behav. 28, 2219 – 2226. doi: 10.1016 / j.chb.2012.06.029
Chiou, WB i Wan, CS (2007). Wykorzystanie dysonansu poznawczego w celu wywołania ucieczki nastolatków z pazura gier online: role osobistej odpowiedzialności i uzasadnienia kosztów. CyberPsychol. Behav. 10, 663 – 670. doi: 10.1089 / cpb.2007.9972
Chuang, C. (2006). Napady wywołane grą online w trybie wieloosobowym: zaniedbany problem zdrowotny w uzależnieniu od Internetu. Cyberpsychol. Behav. 9, 451 – 456. doi: 10.1089 / cpb.2006.9.451
Cooper, J. (2007). Dysonans poznawczy: 50 Lata teorii klasycznej. Londyn: Sage.
Cotten, SR (2008). Wykorzystanie technologii przez studentów i wpływ na dobre samopoczucie. Nowy reż. Stadnina. Serv. 124, 55 – 70. doi: 10.1002 / ss.295
Daniel, LK, Paul, HD, Mark, DG i Michael, G. (2012). Podejścia poznawczo-behawioralne do leczenia pacjentów uzależnienia od Internetu u dzieci i młodzieży. J. Clin. Psychol. 68, 1185 – 1195. doi: 10.1002 / jclp.21918
Davis, RA (2001). Model poznawczego behawioralnego patologicznego korzystania z Internetu. Comput. Szum. Behav. 17, 187–195. doi: 10.1016/S0747-5632(00)00041-8
de Vries, J., i Timmins, F. (2016). Erozja opieki w szpitalach: problemy w refleksyjnej praktyce pielęgniarskiej i rola dysonansu poznawczego. Nurse Educ. Dzisiaj 38, 5 – 8. doi: 10.1016 / j.nedt.2015.12.007
Festinger, L. (1957). Teoria dysonansu poznawczego. Evanston, IL: Row, Peterson.
Forrest, CJ, King, DL i Delfabbro, PH (2016). Pomiar niedostosowania poznawczego leżącego u podstaw problematycznej gry wideo wśród dorosłych. Comput. Szum. Behav. 55, 399 – 405. doi: 10.1016 / j.chb.2015.09.017
Forrest, CJ, King, DL i Delfabbro, PH (2017). Nieprzystosowane poznania przewidują zmiany w problematycznych grach u wysoce zaangażowanych dorosłych: badanie podłużne 12. Nałogowiec. Behav. 65, 125 – 130. doi: 10.1016 / j.addbeh.2016.10.013
Fu, KW, Chan, WS, Wong, PW i Yip, PS (2010). Uzależnienie od Internetu: rozpowszechnienie, dyskryminująca ważność i korelacja między nastolatkami w Hongkongu. Br. J. Psychiatria 196, 486 – 492. doi: 10.1192 / bjp.bp.109.075002
Georgios, F., Konstantinos, S., Ariadni, S., Loannis, G., i Georgios, G. (2014). Związek między osobowością, stylami obrony, zaburzeniami uzależnienia od Internetu i psychopatologią studentów. Cyberpsychol. Behav. Soc. Netw. 17, 6722 – 6676. doi: 10.1089 / cyber.2014.0182
Holbert, RL i Stephenson, MT (2002). Modelowanie równań strukturalnych w naukach komunikacyjnych, 1995-2000. Szum. Commun Res. 28, 531–551. doi: 10.1111/j.1468-2958.2002.tb00822.x
Joseph, CP, Philip, P., Baljinder, S., Sarah, M., Chris, J., Andrew, TG, i in. (2016). Rozwój kompulsywnego korzystania z Internetu i zdrowia psychicznego: czteroletnie badanie wieku dojrzewania. Dev. Psychol. 52, 272 – 283. doi: 10.1037 / dev0000070
Kalkan, M. (2012). Produktywność interpersonalnych zniekształceń poznawczych w problematycznym korzystaniu z Internetu przez studentów. Dziecko. Młodzież Serv. Obrót silnika. 34, 1305 – 1308. doi: 10.1016 / j.childyouth.2012.03.003
Kim, EJ, Namkoong, K., Ku, T. i Kim, SJ (2008). Związek między uzależnieniem od gier internetowych a agresją, samokontrolą i narcystycznymi cechami osobowości. Eur. Psychiatria 23, 212 – 218. doi: 10.1016 / j.eurpsy.2007.10.010
King, DL i Delfabbro, PH (2014). Psychologia poznawcza zaburzeń gier internetowych. Clin. Psychol. Obrót silnika. 34, 298 – 308. doi: 10.1016 / j.cpr.2014.03.006
King, DL i Delfabbro, PH (2016). Psychopatologia poznawcza zaburzeń gier internetowych w okresie dojrzewania. J. Abnormal Child Psychol. 44, 1635–1645. doi: 10.1007/s10802-016-0135-y
Kraut, R., Kiesler, S., Boneva, B., Cummings, J., Helgeson, V., and Crawford, A. (2002). Paradoks internetowy powrócił. J. Soc. Zagadnienia 58, 49-74. doi: 10.1111 / 1540-4560.00248
Li, DL, Zhang, W., Wang, YH i Li, DP (2013). Kontrola psychologiczna matki i problematyczne korzystanie z Internetu przez młodzież: mediacyjna rola niewłaściwego poznania. Psychol. Sci. 36, 411-416.
Li, H. i Wang, S. (2013). Rola zniekształceń poznawczych w uzależnieniu od gier online wśród chińskich nastolatków. Dziecko. Młodzież Serv. Obrót silnika. 35, 1468 – 1475. doi: 10.1016 / j.childyouth.2013.05.021
Li, N. i Liang, NJ (2007). Badanie na temat poznawczych podstaw zaburzeń uzależnienia od Internetu wśród studentów. Psychol. Sci. 30, 65 – 68. doi: 10.3969 / j.issn.1671-6981.2007.01.015
Liu, GC, Jen, JY, Chen, CY, Yen, CF, Chen, CS, Lin, WC, i in. (2014). Aktywacja mózgu w celu zahamowania reakcji w przypadku rozproszenia wskazówek gry w zaburzeniach gier internetowych. Kaohsiung J. Med. Sci. 30, 43 – 51. doi: 10.1016 / j.kjms.2013.08.005
Liu, QX, Fang, XY, Deng, LY i Zhang, JT (2012). Komunikacja rodziców i nastolatków, rodzicielskie korzystanie z Internetu i normy właściwe dla Internetu oraz patologiczne korzystanie z Internetu wśród chińskich nastolatków. Comput. Szum. Behav. 28, 1269 – 1275. doi: 10.1016 / j.chb.2012.02.010
Lu, X. i Yeo, KJ (2015). Patologiczne korzystanie z Internetu wśród studentów Malezji: czynniki ryzyka i rola zniekształceń poznawczych. Comput. Szum. Behav. 45, 235 – 242. doi: 10.1016 / j.chb.2014.12.021
Mai, Y., Hu, J., Yan, Z., Zhen, S., Wang, S., i Zhang, W. (2012). Struktura i funkcja niedostosowania poznawczego w patologicznym korzystaniu z Internetu wśród chińskich nastolatków. Comput. Szum. Behav. 28, 2376 – 2386. doi: 10.1016 / j.chb.2012.07.009
Mike, ZY, He, J., Deborah, MK i Pang, KC (2014). Wpływ zachowań osobowości i samooceny na uzależnienie od Internetu: studium chińskich studentów. Cyberpsychol. Behav. Soc. Sieć. 17, 104 – 110. doi: 10.1089 / cyber.2012.0710
Mike, ZY i Zhong, ZJ (2014). Samotność, kontakty społeczne i uzależnienie od Internetu: badanie panelowe z opóźnieniami. Comput. Szum. Behav. 30, 164 – 170. doi: 10.1016 / j.chb.2013.08.007
Müller, KW, Glaesmer, H., Brähler, E., Woelfling, K., i Beutel, ME (2014). Rozpowszechnienie uzależnienia od Internetu w populacji ogólnej: wyniki niemieckiego badania populacyjnego. Behav Poinformować. Technol. 33, 757 – 766. doi: 10.1080 / 0144929X.2013.810778
Ni, XL, Yan, H., Chen, SL i Liu, ZG (2009). Czynniki wpływające na uzależnienie od Internetu w próbie studentów pierwszego roku w Chinach. Rapun Commun. 12, 327 – 330. doi: 10.1089 / cpb.2008.0321
Peng, W., i Liu, M. (2010). Uzależnienie od gier online: wstępne badanie w Chinach. Cyberpsychol. Behav. Soc. Sieć. 13, 329 – 333. doi: 10.1089 / cyber.2009.0082
San, C. (2015). CNNIC opublikował trzydziesty piąty chiński raport statystyczny dotyczący rozwoju Internetu. Dis. Educ. Chiny 4, 99 – 104. doi: 10.13541 / j.cnki.chinade.2015.02.006
Shaw, M., i Black, DW (2008). Uzależnienie od Internetu: definicja, ocena, epidemiologia i zarządzanie kliniczne. CNS Drugs 22, 353–365. doi: 10.2165/00023210-200822050-00001
Shek, DTL, Sun, RCF i Yu, L. (2013). „Uzależnienie od Internetu” w Neuronauka w 21st wieku: od podstawowego do klinicznego, ed. DW Pfaff (Nowy Jork, Nowy Jork: Springer), 2775 – 2811. doi: 10.1007 / 978-1-4614-1997-6_108
Tian, Y., Bian, YL, Han, PG, Gao, FQ i Wang, P. (2017). Związki między czynnikami psychospołecznymi a uogólnionym patologicznym korzystaniem z Internetu u studentów chińskiego uniwersytetu: analiza wzdłużna z opóźnieniem. Comput. Szum. Behav. 72, 178 – 188. doi: 10.1016 / j.chb.2017.02.048
Tian, Y., Bian, YL, Han, PG, Wang, P. i Gao, FQ (2015). Wpływ nieśmiałości na uzależnienie od Internetu: pośredniczące skutki tendencji zanurzenia i związanego z siecią nieprzystosowanego poznania. Broda. J. Spec. Educ. 12, 83 – 89. doi: 10.3969 / j.issn.1007-3728.2015.12.014
Tokunaga, RS i Rains, SA (2010). Ocena dwóch charakterystyk zależności między problematycznym korzystaniem z Internetu, czasem spędzonym na korzystaniu z Internetu i problemami psychospołecznymi. Szum. Commun Res. 36, 512 – 545. doi: 10.1111 / J.1468-2958.2010.01386.X
Tsai, HF, Cheng, SH, Yeh, TL, Shih, CC, Chen, KC, Yang, YC, i in. (2009). Czynnik ryzyka uzależnienia od Internetu - badanie studentów pierwszego roku studiów. Psychiatry Res. 167, 294 – 299. doi: 10.1016 / j.psychres.2008.01.015
Van den Eijnden, RJJM, Spijkerman, R., Vermulst, AA, Van Rooij, TJ i Engles, RCME (2010). Kompulsywne korzystanie z Internetu wśród nastolatków: dwukierunkowe relacje rodzic-dziecko. J. Abnorm. Dziecko Psychol. 38, 77–89. doi: 10.1007/s10802-009-9347-8
Van Lier, PA, Vitaro, F., Barker, ED, Brendgen, M., Tremblay, RE, i Boivin, M. (2012). Wiktymizacja rówieśników, słabe osiągnięcia w nauce i związek między uzewnętrznieniem a internalizacją problemów w dzieciństwie. Dziecko Dev. 83, 1775-1788. doi: 10.1111 / j.1467-8624.2012.01802.x
Wang, T., Wei, H., Zhou, ZK, Xiong, J., Li, X., Yang, X., i in. (2015). Relacje między proporcjami graczy, nieprzystosowawczym poznaniem i uzależnieniem od gier online. Broda. J. Clin. Psychol. 23, 487 – 493. doi: 10.16128 / j.cnki.1005-3611.2015.03.023
Wen, ZL, Chang, L. i Hou, JT (2006). Moderowany mediator i moderowany mediator. Acta Psychol. Grzech. 38, 448-452.
Woodhouse, SS, Dykas, MJ i Jude, C. (2012). Samotność i relacje rówieśnicze w okresie dojrzewania. Rev Soc. Dev. 21, 273-293. doi: 10.1111 / j.1467-9507.2011.00611.x
Yang, LS, Sun, L., Zhang, ZH, Sun, YH, Wu, HY i Ye, DQ (2014). Uzależnienie od Internetu, depresja nastolatków i mediacyjna rola wydarzeń życiowych: ustalenie na podstawie próby chińskich nastolatków. Int. J. Psychol. 49, 342 – 347. doi: 10.1002 / ijop.12063
Young, KS i de Abreu, CN (2011). Uzależnienie od Internetu: Podręcznik i przewodnik po ocenie i leczeniu. Hoboken, NJ: Wiley.
Young, KS, Pistner, M., O'Mara, J., i Buchanan, J. (1999). Cyber-zaburzenia: troska o zdrowie psychiczne nowego tysiąclecia. Cyberpsychol. Behav. 2, 475 – 479. doi: 10.1089 / cpb.1999.2.475
Yuan, YC, Shao, AH, Liang, LC i Bian, YF (2014). Analiza opóźniona między powiązaniami między niesolidnością, odrzuceniem rówieśników i wiktymizacją rówieśników. Psychol. Dev. Educ. 30, 16-23.
Zhang, HY, Li, DP i Li, X. (2015). Temperament i problematyczne korzystanie z Internetu u nastolatków: moderowany model mediacji nieprzystosowującego poznania i stylów rodzicielskich. J. Child Family Stud. 24, 1886–1897. doi: 10.1007/s10826-014-9990-8
Zhang, JT, Chen, C., Wang, LJ, Liu, L., Liu, FE, Zhao, HC, i in. (2014). Związek między czasem spędzanym w Internecie a uzależnieniem od Internetu wśród chińskich studentów pierwszego roku studiów: model moderacji za pośrednictwem mediatora. Acta Psychol. Grzech. 30, 65 – 68. doi: 10.3969 / j.issn.1671-6981.2007.01.015
Zhou, Z., Yuan, G. i Yao, J. (2012). Uprzedzenia poznawcze wobec obrazów związanych z grami internetowymi i deficyty wykonawcze u osób z uzależnieniem od gier internetowych. PLoS ONE 7: e48961. doi: 10.1371 / journal.pone.0048961
Słowa kluczowe: uzależnienie od Internetu, związane z siecią nieprzystosowanie poznawcze, studenci pierwszego roku, ankieta panelowa z opóźnionymi opóźnieniami, chiński
Cytowanie: Han P, Wang P, Lin Q, Tian Y, Gao F i Chen Y (2017) Wzajemny związek między uzależnieniem od Internetu a nieprzystosowanym poznaniem związanym z siecią wśród chińskich studentów pierwszego roku: analiza podłużna z opóźnieniem. Z przodu. Psychol. 8: 1047. doi: 10.3389 / fpsyg.2017.01047
Otrzymano: 13 Marzec 2017; Zaakceptowano: 08 czerwiec 2017;
Opublikowane: 22 June 2017.
Edytowany przez:
Qinghua On, Southwest University, Chiny
Zrecenzowany przez:
Guangheng Dong, Zhejiang Normal University, Chiny
Jennifer Kennel, Universitätsklinikum des Saarlandes, Niemcy
Prawa autorskie © 2017 Han, Wang, Lin, Tian, Gao i Chen. To jest artykuł o otwartym dostępie dystrybuowany zgodnie z warunkami Licencja Creative Commons Uznanie autorstwa (CC BY). Używanie, rozpowszechnianie lub powielanie na innych forach jest dozwolone, pod warunkiem, że oryginalni autorzy lub licencjodawcy są uznani i że cytowana jest oryginalna publikacja w tym czasopiśmie, zgodnie z przyjętą praktyką akademicką. Zabronione jest użytkowanie, dystrybucja lub reprodukcja, która nie jest zgodna z niniejszymi warunkami.
;