Czy korzystanie z komunikacji internetowej jest korzystne dla ucieczki od nudy? Nienormalność nuda współdziała z wywołanymi wskazówkami pragnieniami i unikaniem oczekiwań w wyjaśnianiu objawów zaburzeń komunikacji internetowej (2018)

https://doi.org/10.1371/journal.pone.0195742

Abstrakcyjny

Korzystanie z aplikacji do komunikacji online, w tym komunikatorów (np. WhatsApp) lub serwisów społecznościowych (np. Facebook) na smartfonie, stało się codzienną praktyką dla miliardów ludzi, na przykład podczas oczekiwania. Rosnąca liczba osób wykazuje zmniejszoną kontrolę nad korzystaniem z tych aplikacji, pomimo negatywnych konsekwencji w życiu codziennym. Można to nazwać zaburzeniem komunikacji internetowej (ICD). W bieżącym badaniu zbadano wpływ skłonności do nudy na objawy ICD. Następnie zbadano mediacyjną rolę mechanizmów poznawczych i afektywnych, a mianowicie oczekiwano, aby uniknąć negatywnych uczuć w Internecie i głodu wywołanego wskazówkami. Wyniki modelu równania strukturalnego (N = 148) pokazują, że skłonność do nudy jest czynnikiem ryzyka rozwoju i utrzymywania ICD, ponieważ miał znaczący bezpośredni wpływ na objawy ICD. Ponadto skłonność do nudy przewidywała oczekiwania na unikanie, a także głód wywołany wskazówką. Obie z kolei zwiększyły ryzyko rozwoju tendencji ICD. Co więcej, obie zmienne pośredniczyły w wpływie nudności na ICD i oddziaływały między sobą. Podsumowując, wyniki pokazują, że osoby o większej podatności na nudę wykazują wyższe oczekiwania w celu uniknięcia negatywnych emocji w Internecie, co promuje wyższe reakcje głodu w obliczu określonych wskazówek (np. Przychodzących wiadomości) i może powodować tendencje ICD.

Cytat: Wegmann E, Ostendorf S, Marka M (2018) Czy korzystasz z komunikacji internetowej, aby uciec od nudy? Nuda współdziała z wywołanym wskazówką głodem i oczekiwaniami unikania w wyjaśnianiu objawów zaburzeń komunikacji internetowej. PLoS ONE 13 (4): e0195742. https://doi.org/10.1371/journal.pone.0195742

Redaktor: Phil Reed, Swansea University, ZJEDNOCZONE KRÓLESTWO

Odebrane: Listopad 22, 2017; Przyjęty: March 28, 2018; Opublikowano: 19 kwietnia 2018 r.

Prawa autorskie: © 2018 Wegmann i in. To jest artykuł o otwartym dostępie rozpowszechniany na warunkach Licencja Creative Commons - uznanie autorstwa, który pozwala na nieograniczone użycie, dystrybucję i reprodukcję w dowolnym medium, pod warunkiem, że autor i źródło są uznawane.

Dostępność danych: Wszystkie istotne dane znajdują się w dokumencie i jego plikach informacji pomocniczych.

Finansowanie: Autorzy nie otrzymali żadnego specjalnego finansowania na tę pracę.

Konkurencyjne zainteresowania: Autorzy zadeklarowali, że nie istnieją konkurencyjne interesy.

Wprowadzenie

Po wprowadzeniu smartfona ponad dziesięć lat temu liczba osób używających go w życiu codziennym wciąż rośnie. Prognozuje się, że liczba użytkowników smartfonów na całym świecie osiągnie 2.32 miliardów w 2017, a oczekuje się, że dotrze do 2.87 miliardów użytkowników w 2020 [1]. Wśród najpopularniejszych aplikacji internetowych używanych na smartfonie są aplikacje do komunikacji online. Umożliwiają użytkownikom bezpośredni kontakt z innymi osobami, pozostawanie w kontakcie z odległymi przyjaciółmi oraz udostępnianie danych osobowych, zdjęć lub filmów [2, 3]. Termin „aplikacje do komunikacji online” obejmuje bardzo popularne aplikacje, takie jak usługa komunikacji błyskawicznej WhatsApp z ponad miliardem aktywnych użytkowników 1.3 każdego miesiąca [4] lub serwisy społecznościowe, takie jak Facebook, z aktywnymi użytkownikami miliarda 2 miesięcznie [5]. Oprócz wielu zalet komunikacji internetowej i ogólnie korzystania ze smartfonów, rośnie liczba osób doświadczających negatywnych konsekwencji z powodu nadmiernego i czasochłonnego korzystania z tych aplikacji [2, 6-8]. W szczególności dostępność różnych urządzeń mobilnych oraz łatwy i stały dostęp do takich aplikacji pozwalają użytkownikom na interakcję i komunikację z innymi przez cały dzień - w dowolnym czasie, w dowolnym miejscu [9, 10]. Takie zachowanie może prowadzić do patologicznego i kompulsywnego stosowania, które jest porównywalne z innymi uzależnieniami behawioralnymi lub zaburzeniami związanymi z używaniem substancji, jak sugerują różne badania i badacze [7, 8].

Korelaty poznawcze i afektywne zaburzeń komunikacji internetowej

Rosnące wykorzystanie Internetu na całym świecie prowadzi badania do coraz większej liczby badań koncentrujących się na zaburzeniach korzystania z Internetu jako szczególnego rodzaju uzależnienia behawioralnego [2, 7, 11]. Ponadto niektóre badania sugerują szczególny rodzaj zaburzenia korzystania z Internetu, zaburzenia komunikacji internetowej (ICD). ICD opisuje uzależniające wykorzystanie aplikacji do komunikacji online [6-8, 12]. Objawy ICD, które wynikają z cech zaburzenia korzystania z Internetu, są zdefiniowane jako utrata kontroli, nawrót, objawy odstawienia, zajęcie, zaniedbanie zainteresowań, tolerancja i negatywne konsekwencje w życiu społecznym, zawodowym lub osobistym [6, 7, 13, 14]. Davisa [12] zaproponował pierwszy model teoretyczny opisujący mechanizmy niespecyficznego patologicznego korzystania z Internetu, a także konkretnego zaburzenia korzystania z Internetu. Niedawno Brand, Young [7] wprowadził nowy model teoretyczny, model interakcji interakcji person-afekt-poznawanie-wykonanie (I-PACE), który podsumowuje potencjalne mechanizmy rozwoju i utrzymywania określonych zaburzeń korzystania z Internetu, takich jak ICD. Model I-PACE ilustruje interakcję podstawowych cech osoby, a także komponentów afektywnych, poznawczych i wykonawczych. Sugeruje to, że podstawowe cechy osoby, takie jak osobowość, poznanie społeczne, objawy psychopatologiczne, czynniki biopsychologiczne i szczególne predyspozycje wpływają na subiektywne postrzeganie sytuacji. To postrzeganie jest kształtowane przez takie czynniki, jak konfrontacja ze wskazówkami związanymi z uzależnieniami, stres, konflikty osobiste, nienormalny nastrój, a także indywidualne reakcje afektywne i poznawcze. Te ostatnie obejmują reaktywność cue, głód, tendencyjne nastawienie lub inne związane z Internetem uprzedzenia poznawcze i dysfunkcyjny styl radzenia sobie. Przyjmuje się, że te indywidualne czynniki afektywne i poznawcze pośredniczą lub moderują wpływ podstawowych cech danej osoby na rozwój i utrzymanie określonego zaburzenia korzystania z Internetu. Marka, młody [7] pokazują, że efekt reakcji afektywnych i poznawczych oddziałuje z czynnikami wykonawczymi, takimi jak kontrola hamowania. Decyzja o użyciu określonej aplikacji w celu uzyskania satysfakcji lub rekompensaty może następnie prowadzić do nadmiernego korzystania z tej aplikacji, wzmacniając w ten sposób określone predyspozycje, a także czynniki afektywne, poznawcze i wykonawcze podobne do błędnego koła (w celu uzyskania bardziej szczegółowego opisu modelu i szczegółowy przegląd badań empirycznych, patrz [7)].

Wcześniejsze badania wykazały już, że wpływ objawów psychopatologicznych, takich jak depresja i lęk społeczny, oraz wpływ aspektów osobowości, takich jak wrażliwość na stres, samoocena i skuteczność, na tendencje w ICD, są zapośredniczone przez określone poznanie, takich jak dysfunkcyjny styl radzenia sobie i oczekiwania dotyczące korzystania z Internetu [8, 15] Wegmann, Oberst [16] wykazali, że szczególnie oczekiwania dotyczące unikania, w tym chęć ucieczki od rzeczywistości, odwrócenia uwagi od rzeczywistych problemów lub uniknięcia samotności, są istotne dla wyjaśnienia objawów ICD. Brand, Laier [17] oraz Trotzke, Starcke [18] pokazał, że wysokie oczekiwania w zakresie korzystania z konkretnych aplikacji jako możliwości doznania przyjemności lub odwrócenia uwagi od problemów pośredniczą w relacji między aspektami osobistymi a ogólnie (nieokreślonym) zaburzeniem korzystania z Internetu, a także zaburzeniem zakupów internetowych.

Oprócz koncepcji oczekiwań korzystania z Internetu, Brand, Young [7] dalej argumentują, że reaktywność i głód wydają się być ważnymi konstruktami w rozwoju i utrzymaniu patologicznego zastosowania określonych zastosowań. To założenie opiera się na wcześniejszych badaniach dotyczących zaburzeń związanych z używaniem substancji (patrz na przykład wyniki w [19], a także inne uzależnienia behawioralne [20], które pokazują, że uzależnieni są podatni na bodźce związane z uzależnieniami, które uruchamiają obszary przetwarzania nagrody w mózgu [21-25]. Pragnienie opisuje chęć lub pragnienie zażywania narkotyków lub wielokrotnego okazywania uzależnienia [26, 27]. Pojęcie reaktywności i głodu zostało przeniesione do badania uzależnień behawioralnych. W zaburzeniach zakupów przez Internet zaobserwowano już behawioralne korelacje reaktywności i głodu.18], Zaburzenie oglądania pornografii internetowej [28, 29], Zaburzenie gier internetowych [30, 31], Zaburzenie hazardu internetowego [32, 33] i ICD [34].

Chociaż badania podkreślają ważną rolę tych afektywnych (reaktywność i głód) i poznawczych (oczekiwań związanych z Internetem) w rozwoju i utrzymaniu określonego zaburzenia korzystania z Internetu, interakcja tych czynników, postulowana w I -PACE model, pozostaje niejasny. Obecne badanie opiera się na niektórych głównych założeniach modelu I-PACE, w szczególności na efektach mediacyjnych mechanizmów afektywnych i poznawczych na związek między podstawowymi cechami osoby a objawami ICD. Celem tego badania jest zbadanie wpływu podstawowych cech osoby na ICD, w którym pośredniczą zarówno związane z Internetem uprzedzenia poznawcze (np. Oczekiwania w korzystaniu z Internetu), jak i uprzedzenia afektywne (np. Głód wywołany wskazówką). Na podstawie Wegmann, Oberst [16], zakładamy, że efekt oczekiwania w celu uniknięcia negatywnych emocji za pomocą aplikacji do komunikacji online jest zależny od głodu indukowanego wskazówkami, jak opisano w modelu Brand, Young [7]. Jako drugi cel badania skupiamy się na badaniu roli podatności na nudę w ICD. Dlatego chcielibyśmy lepiej zrozumieć związek między podstawowymi cechami danej osoby a objawami konkretnego zaburzenia korzystania z Internetu, które nie zostało jeszcze zbadane w kontekście ICD.

Nudność jako predyktor ICD

Konceptualizacja nudy zależy od różnych czynników sytuacyjnych i indywidualnych [35]. Nuda sama w sobie może być opisana jako negatywny stan umysłu lub wewnętrzny konflikt między oczekiwanym a postrzeganym doświadczeniem [36, 37]. Brissett i Snow [38] zdefiniowała nudę jako stan „niedostosowania, podniecenia i braku zaangażowania psychologicznego związanego z niezadowoleniem, a osoby starają się radzić sobie z nudą, szukając dodatkowej stymulacji” [39]. Ten stan jest również związany z nieprzyjemnymi uczuciami, z których ludzie próbują uciec [40, 41]. Zwykła nuda jest definiowana jako nuda cechy. Konstrukcja skłonności do nudy jest często „operacjonalizowana jako podatność jednostki na nudę” [35]. Co więcej, skłonność do nudy obejmuje trudność jednostki w zwróceniu uwagi na bodziec, byciu świadomym tego deficytu uwagi, a także próbowaniu zmniejszenia doświadczenia nudy jako stanu [35, 42].

Kilka badań podkreśla znaczenie kliniczne skłonności do nudy, pokazując, że nuda (skłonność) jest związana ze spożywaniem alkoholu [43], stosowanie substancji psychoaktywnych [44], wskaźniki depresji i lęku [35] oraz ogólnie problemy zdrowotne [45]. Zhou and Leung [46] pokazał, że nuda w czasie wolnym jest związana z ryzykownymi zachowaniami, takimi jak przestępczość, ekstremalne odczucia i nadużywanie narkotyków [36, 46, 47]. Jako możliwe wyjaśnienie związku między skłonnością do nudy a używaniem substancji (np. Picie alkoholu), Biolcati, Passini [48] zbadano potencjalny wpływ mediacji oczekiwań na spożycie alkoholu. Wyniki pokazały, że wpływ skłonności do nudy na upijające się zachowania jest pośredniczony przez oczekiwania na ucieczkę od nudy, ucieczkę od problemów i radzenie sobie z negatywnymi uczuciami [48]. Co więcej, badania empiryczne dotyczące różnych uzależnień behawioralnych lub zachowań patologicznych wyjaśniają znaczenie nudy dla ryzykownych zachowań. Na przykład Blaszczyński, McConaghy [49] pokazał, że osoby z zaburzeniami hazardu uzyskały wyższą punktację pod względem nudy w porównaniu z osobami niebędącymi hazardzistami. Hazard wydaje się być dla nich możliwością uniknięcia lub zmniejszenia negatywnych stanów lub nastrojów. Jest to zgodne z wynikami zgłoszonymi przez Fortune i Goodie [50], ilustrując, że hazard patologiczny jest związany z podatnością na nudę, która jest podskalą Formy V Skali Poszukiwania Sensacji autorstwa Zuckermana, Eysencka [51].

Jak opisano wcześniej, korzystanie ze smartfonów w życiu codziennym wynika z łatwego i stałego dostępu, który umożliwia ciągłą komunikację i rozrywkę [2, 52]. Stawiamy hipotezę, że możliwość trwałej stymulacji prowadzi do czasochłonnego i nadmiernego korzystania ze smartfona i aplikacji do komunikacji online. Podobnie unikanie nudy wydaje się być główną motywacją do korzystania z Internetu [53]. Lin, Lin [37] pokazało, że zarówno nuda, jak i duże zaangażowanie w Internet zwiększają prawdopodobieństwo zaburzenia korzystania z Internetu. Autorzy podkreślają, że Internet wydaje się być możliwością poszukiwania emocji i przyjemności, co podnosi poziom wykorzystania patologicznego. Jest to zgodne z wcześniejszymi badaniami podkreślającymi związek między zaburzeniem korzystania z Internetu a wyższą nudą [54-56]. Zhou and Leung [46] określił tę relację i pokazał, że nuda jest predyktorem patologicznego wykorzystania portali społecznościowych, a także patologicznego zachowania w grach w serwisach społecznościowych. Elhai, Vasquez [42] pokazał, że wyższa skłonność do nudy pośredniczy w wpływie depresji i lęku na problematyczne zachowanie smartfona. Podsumowując, zakładamy, że nuda jako cecha nudy jest osobistym czynnikiem ryzyka rozwoju ICD.

Podsumowanie celów badania

Obecne badanie ma na celu przyczynienie się do lepszego zrozumienia podstawowych mechanizmów afektywnych i poznawczych dotyczących objawów ICD. Nasze założenia opierają się na wcześniejszych badaniach, w których stwierdzono wpływ skłonności do nudy na ryzykowne zachowania, takie jak nadużywanie substancji [57], czynniki ryzyka dla zdrowia [46], hazard patologiczny [50] lub zaburzenie korzystania z Internetu [37, 54]. Zakładamy, że osoby, które mają większą skłonność do znudzenia i które wielokrotnie używają smartfona jako strategii nieprzystosownego radzenia sobie, są bardziej narażone na patologiczne wykorzystanie aplikacji do komunikacji online. Zgodny z modelem I-PACE marki Brand, Young [7], stawiamy hipotezę, że w efekcie znudzenia pośredniczą określone poznanie. Ponadto na podstawie badania Biolcati, Passini [48] zakładamy również, że szczególnie osoby, które mają wyższą skłonność do nudy, a także spodziewają się uniknięcia negatywnych emocji dzięki korzystaniu z aplikacji do komunikacji online, doświadczają bardziej negatywnych konsekwencji z powodu korzystania z takich aplikacji. Jako kolejny cel badamy skutki reakcji afektywnych i poznawczych. Model I-PACE sugeruje, że wpływ oczekiwań unikania na objawy ICD jest mediowany przez wyższe doświadczenia głodu. Podsumowując, wpływ mediacji na głód wywołany wskazówką może być również istotny dla efektu mediacji oczekiwanych odstępstw między skłonnością do nudy a ICD. Rys. 1 podsumowuje hipotezy w modelu równań strukturalnych.

Ryc. 1. Model hipotetyczny.

Model hipotetyczny do analizy sugerowanych efektów bezpośrednich i pośrednich, w tym ukrytych zmiennych ICD.

https://doi.org/10.1371/journal.pone.0195742.g001

Metody

Uczestnicy i procedura

Sto czterdzieści osiem uczestników w wieku od 18 do 60 lat (M = 25.61, SD = 8.94) wziął udział w bieżącym badaniu. Spośród nich 91 to kobiety, a 57 mężczyźni. Wszyscy uczestnicy byli użytkownikami aplikacji do komunikacji online, od dwóch do 19 lat użytkowania (M = 8.09, SD = 3.09). Najczęściej używaną aplikacją do komunikacji online była WhatsApp (97.97% wszystkich uczestników), a następnie Facebook (78.38% wszystkich uczestników), Facebook Messenger (62.84% wszystkich uczestników) i Instagram (53.38% wszystkich uczestników) . Inne aplikacje do komunikacji online, takie jak Twitter, iMessage, Snapchat lub Skype, były używane przez mniej niż 50% wszystkich uczestników. Uczestnicy spędzają średnio 125.41 minut (SD = 156.49) dziennie za pomocą WhatsApp, a następnie Instagram (M = 57.97, SD = 78.76), Snapchat (M = 53.71, SD = 65.40) i Facebook (M = 55.48, SD = 84.74). Wszystkie pozostałe aplikacje były używane średnio krócej niż 30 minut dziennie.

Zrekrutowaliśmy próbkę na Uniwersytecie w Duisburgu-Essen (Niemcy) za pośrednictwem list mailingowych, internetowych sieci społecznościowych i rekomendacji ustnych. Badanie przeprowadzono w indywidualnym laboratorium. Po pierwsze, uczestnicy zostali poinformowani na piśmie o procedurze i wyrazili pisemną zgodę. Poprosiliśmy ich o zmianę smartfonów na tryb samolotowy i trzymanie ich w kieszeni podczas uczestnictwa. Następnie uczestnicy odpowiedzieli na kwestionariusze online i wykonali paradygmat reaktywności cue, a także inne paradygmaty eksperymentalne, które nie są istotne dla bieżącego manuskryptu. Następnie uczestnicy odpowiedzieli na dalsze kwestionariusze online, takie jak Skala wymowy nudy, Skala użytkowania Internetu i oczekiwania lub krótki test uzależnienia od Internetu, który zostanie wyjaśniony poniżej. Ogólnie rzecz biorąc, badanie trwało około godziny. Studenci otrzymali punkty kredytowe za udział. Komisja etyczna Uniwersytetu Duisburg-Essen zatwierdziła badanie.

instrumenty

Zmodyfikowana wersja krótkiego testu uzależnienia od Internetu w przypadku zaburzeń komunikacji internetowej (s-IAT-ICD).

Tendencje ICD zostały zmierzone za pomocą krótkiej wersji testu uzależnienia od Internetu (s-IAT) autorstwa Pawlikowskiego, Altstötter-Gleich [58]. W tym badaniu wykorzystaliśmy zmodyfikowaną wersję ICD (s-IAT-ICD) [15]. Skala ocenia subiektywne skargi w życiu codziennym związane z korzystaniem z aplikacji do komunikacji online. Na początku podano definicję aplikacji do komunikacji online. Instrukcje podkreślają, że termin aplikacje do komunikacji online obejmuje aktywne (np. Pisanie nowych postów), a także pasywne (np. Przeglądanie i czytanie nowych postów) korzystanie z serwisów społecznościowych i blogów, takich jak Facebook, Twitter i Instagram. , a także komunikatory internetowe, takie jak WhatsApp.

Uczestnicy muszą ocenić dwanaście pozycji na pięciostopniowej skali Likerta (od 1 = „nigdy” do 5 = „bardzo często”). Sumaryczny wynik obliczono w przedziale od 60 do 30. Wyniki> 37 wskazują na problematyczne korzystanie z aplikacji do komunikacji online, podczas gdy wyniki> 1 wskazują na patologiczne wykorzystanie aplikacji do komunikacji online. Kwestionariusz składa się z dwóch czynników (po sześć pozycji): utraty kontroli / zarządzania czasem (s-IAT-ICD 849: α = 2) oraz problemów społecznych / głodu (s-IAT-ICD 708: α = 842). Ogólna spójność wewnętrzna wyniosła α = XNUMX. Oba czynniki reprezentują ukryty wymiar ICD w modelu równań strukturalnych.

Reaktywność i głód.

Aby zbadać reaktywność i głód cue, zastosowano paradygmat reaktywności wobec cue składający się z dwunastu zdjęć związanych z aplikacjami do komunikacji online [34, 59]. Wskazówki wizualne pokazały różne smartfony wyświetlające konwersację za pośrednictwem różnych aplikacji do komunikacji online. Bodźce zostały wstępnie przetestowane i opisane w poprzednim badaniu Wegmanna, Stodta [34]. W bieżącym badaniu uczestnicy ocenili każde zdjęcie pod względem pobudzenia, wartościowości i potrzeby korzystania ze smartfona w pięciopunktowej skali Likerta (od 1 = „brak pobudzenia / wartościowości / popędu” do 5 = „wysokie pobudzenie / walencji / popędu” ). Prezentacja^® (Wersja 16.5, www.neurobs.com) wykorzystano do prezentacji i oceny pamięci.

Ponadto skorzystaliśmy z kwestionariusza Desire of Alcohol [60] zmodyfikowany do użytku na smartfonach w celu oceny głodu alkoholu [34]. Kwestionariusz został przedstawiony przed i po paradygmacie reaktywności cue, aby zmierzyć podstawowe pragnienie (głód podstawowy DAQ-ICD), a także potencjalne zmiany pragnienia po ekspozycji na wskazówkę (DAQ-ICD po pragnieniu). Dlatego uczestnicy musieli oceniać elementy 14 (np. „Korzystanie ze smartfona byłoby w tej chwili satysfakcjonujące”) w siedmiopunktowej skali Likerta (od 0 = „całkowite nieporozumienie” do 6 = „pełna zgoda”). Po odwróceniu jednego elementu obliczyliśmy średni wynik [59]. Spójności wewnętrzne były α = .851 dla głodu podstawowego DAQ-ICD i α = .919 dla głodu DAQ-ICD po głodzie. W poniższych analizach po pragnieniu DAQ-ICD i ocenach paradygmatu reaktywności cue użyto do przedstawienia ukrytego wymiaru głodu indukowanego przez cue w modelu równania strukturalnego.

Zmodyfikowana wersja Skali oczekiwań użytkowania Internetu do komunikacji online (IUES).

Skala oczekiwań użytkowania Internetu (IUES) [17] zmodyfikowany do komunikacji online wykorzystano do oceny oczekiwań uczestników w zakresie korzystania z aplikacji komunikacji online [16]. Kwestionariusz zawiera dwa czynniki (po sześć pozycji każdy): wzmocnienie pozytywne (np. „Korzystam z aplikacji do komunikacji online, aby doświadczyć przyjemności”; IUES pozytywne: α = .838) i oczekiwane oczekiwania (np. „Korzystam z aplikacji do komunikacji online, aby odwracaj uwagę od problemów ”; unikanie IUES α = .732). Uczestnicy musieli ocenić każdą pozycję w sześciopunktowej skali Likerta (od 1 = „całkowicie się nie zgadzam” do 6 = „całkowicie się zgadzam”). Na podstawie wcześniejszych badań i założeń teoretycznych tylko zmienna oczekiwań unikania była istotna dla następujących analiz.

Skala wymowy krótkiej nudy (BPS).

Skala wymowy krótkiej nudy (BPS) autorstwa Struk, Carriere [61] wykorzystano do oceny stopnia znudzenia cechy. Skala składa się z ośmiu elementów (np. „Potrzeba więcej stymulacji, aby mnie uruchomić niż większość ludzi”), które musiały zostać ocenione w siedmiopunktowej skali Likerta (od 1 = „całkowicie się nie zgadzam” do 7 = „całkowicie się zgadzam ”). Obliczono ogólną średnią wartość. Wewnętrzna spójność wynosiła α = .866.

Analizy statystyczne

Analizy statystyczne przeprowadzono za pomocą SPSS 25.0 dla Windows (IBM SPSS Statistics, wydany 2017). Obliczyliśmy korelacje Pearsona, aby przetestować dwuwymiarowe relacje między dwiema zmiennymi. Korelacje interpretowano bardziej szczegółowo przy użyciu rozmiarów efektów. Na podstawie Cohena [62], Współczynnik korelacji Pearsona r ≥ .01 oznacza małe, r ≥ .03 medium i r ≥ .05 duży efekt. Analizy modelu równań strukturalnych (SEM) zostały obliczone przy użyciu Mplus 6 [63]. Aby ocenić dopasowanie modelu SEM, użyliśmy znormalizowanej średniej kwadratowej reszty (SRMR; wartości <08 wskazują na dobre dopasowanie do danych), średni kwadratowy błąd aproksymacji (RMSEA; wartości <08 oznaczają dobre i <.10 akceptowalne dopasowanie do danych) i porównawcze wskaźniki dopasowania (CFI i TLI; wartości> .90 oznaczają akceptowalne dopasowanie, a> 95 oznacza dobre dopasowanie do danych) [64, 65]. Korzystaliśmy również z χ²-Test, aby sprawdzić, czy dane pochodzą ze zdefiniowanego modelu. Jako dodatkowy krok w celu zmniejszenia błędów pomiaru dla SEM, zastosowaliśmy metodę parowania elementów dla zmiennych reprezentowanych jako zmienne oczywiste. Ta metoda umożliwia budowanie ukrytych wymiarów tych zmiennych w SEM [66, 67]. Dlatego sprawdziliśmy wzajemne korelacje między elementami każdej skali, a następnie stworzyliśmy dwa czynniki dla ukrytych wymiarów IUES i BPS.

Efekt

Wartości opisowe i statystyki wielowymiarowe

Średnie wartości i odchylenia standardowe wszystkich kwestionariuszy, a także oceny paradygmatu reaktywności cue można znaleźć w Tabela 1. Skonstruowane zmienne paczkowania towaru są uwzględniane jako dodatkowe wartości. Tabela 2 pokazuje dwuwymiarowe korelacje między tymi zmiennymi. Na podstawie wyników granicznych Pawlikowskiego, Altstötter-Gleich [58] Uczestnicy 23 wykazali problem, a siedmiu uczestników wykazało patologiczne wykorzystanie aplikacji do komunikacji online, co wiąże się z subiektywnymi skargami w życiu codziennym z powodu korzystania z tych aplikacji i opisuje objawy ICD.

Tabela 1. Średnie wartości, odchylenia standardowe i zakres wyników s-IAT-ICD i zastosowanych skal.

https://doi.org/10.1371/journal.pone.0195742.t001

Download:

• PPT

Slajd z PowerPointa

• PNG

powiększenie

• TIFF

oryginalny obraz

Tabela 2. Korelacje dwuwymiarowe między wynikami s-IAT-ICD a zastosowanymi skalami.

https://doi.org/10.1371/journal.pone.0195742.t002

Model równania strukturalnego

Hipotezowany model równania strukturalnego na poziomie utajonym wykazał doskonałe dopasowanie do danych (SRMR = .029, CFI = .986, TLI = .972, RMSEA = .063, p = .299, BIC = 3962.65). The χ²-Test wykazał również dobre dopasowanie (χ² = 22.25, p = .074, χ²/ df = 1.59). Wszystkie zdefiniowane ukryte wymiary były dobrze reprezentowane przez zastosowane zmienne manifestu. W pierwszym etapie wyniki wskazują na nudę (β = .384, SE = .096, p ≤ .001), głód wywołany wskazówką (β = .414, SE = .102, p ≤ .001) i oczekiwane unikanie (β = .255, SE = .109, p = .011) były istotnymi predyktorami tendencji ICD. Nuda miała także bezpośredni wpływ na głód wywołany wskazówką (β = .411, SE = .100, p ≤ .001) i oczekiwane unikanie (β = .567, SE = .084, p ≤ .001). Dodatkowo, oczekiwania dotyczące unikania były istotnym predyktorem głodu indukowanego przez wskazówkę (β = .361, SE = .107, p = .001). Wpływ skłonności do nudy na objawy ICD wynikał z głodu indukowanego przez wskazówkę (β = .170, SE = .058, p = .003) i według oczekiwań unikania (β = .145, SE = .063, p = .021). Wpływ oczekiwań unikania na tendencje ICD pośredniczył również w głodzie indukowanym przez wskazówkę (β = .149, SE = .059, p = .011). Ponadto w związku między skłonnością do nudy a objawami ICD pośredniczyły oczekiwania dotyczące unikania, a ponadto pragnienie wywołane przez wskazówkę (skłonność do nudy - oczekiwania unikania - pragnienie wywołane wskazówką - ICD; β = .085, SE = .037, p = .021); jednak ta mediacja miała jedynie niewielki skutek. Ogólnie rzecz biorąc, analizowany model istotnie wyjaśnił 81.60% wariancji objawów ICD. Rys. 2 pokazuje model z ładunkami czynnikowymi, wagami β i współczynnikami.

Download:

• PPT

Slajd z PowerPointa

• PNG

powiększenie

• TIFF

oryginalny obraz

Ryc. 2. Wyniki modelu równań strukturalnych.

Wyniki modelu równania strukturalnego z ICD jako zmienną zależną, w tym ładunki czynnikowe opisanych zmiennych utajonych i towarzyszące im wagi β, p-wartości i reszty.

https://doi.org/10.1371/journal.pone.0195742.g002

Dodatkowe analizy

Model opisany wcześniej został oparty na rozważaniach teoretycznych i dalszych dowodach empirycznych, takich jak modele równań strukturalnych Wegmanna, Stodta [15] oraz Wegmann i Brand [8]. Niemniej jednak chcieliśmy następnie kontrolować model pod kątem innych możliwych czynników, aby lepiej zrozumieć podstawowe mechanizmy ICD. Pierwszym poruszonym przez nas problemem było ścisłe powiązanie skłonności do nudy z depresją i lękiem [35, 68, 69]. Aktualne badanie Elhai, Vasqueza [42] pokazuje, że w związku między objawami psychopatologicznymi a problematycznym używaniem smartfona pośredniczy wyższa skłonność do nudy. Oceniliśmy objawy psychopatologiczne, takie jak depresja (M = 0.53, SD = 0.53), wrażliwość interpersonalna (M = 0.72, SD = 0.64) i lęk (M = 0.55, SD = 0.49) przy użyciu krótkiego kwestionariusza wykazu objawów autorstwa Derogatis [70]. Ponieważ zmienne operacjonalizujące objawy psychopatologiczne istotnie korelują z innymi zmiennymi obecnego modelu (wszystkie rjest ≤ .448, wszystkie p≤ .024), uwzględniliśmy objawy psychopatologiczne (tj. depresję, wrażliwość interpersonalną i lęk) jako kolejny ukryty wymiar w modelu. Na podstawie modelu mediacji autorstwa Elhai, Vasquez [42] sprawdziliśmy, czy wpływ skłonności do nudy opiera się na konstrukcji objawów psychopatologicznych, czy też skłonność do nudy opisuje własny przyrost statystyczny, jak podkreślano w poprzednich badaniach [35, 42, 68].

Jak pokazano w Rys. 3, wyniki wskazują, że objawy psychopatologiczne odgrywają kluczową rolę w rozwoju i utrzymywaniu ICD, co jest zgodne z wcześniejszymi badaniami [8, 15, 42]. Jednak znaczenie skłonności do nudy jako ważnego predyktora objawów ICD nie ulega znacznemu zmniejszeniu po włączeniu objawów psychopatologicznych do modelu równań strukturalnych. Podkreśla to, że skłonność do nudy i objawy psychopatologiczne są powiązane, ale niezależne konstrukty, w których wpływie na tendencje ICD pośredniczą komponenty poznawcze i afektywne. Wyniki dodatkowego modelu równania strukturalnego, w tym obciążenia czynnikowe opisywanych zmiennych utajonych i towarzyszących im wag β, p-wartości, a reszty są podsumowane w Rys. 3.

Ryc. 3. Wyniki dodatkowego modelu równań strukturalnych.

Wyniki modelu równania strukturalnego z objawami psychopatologicznymi jako kolejną zmienną predykcyjną, w tym ładunkami czynnikowymi opisywanych zmiennych utajonych i towarzyszącymi wagami β, p-wartości i pozostałości (Skróty: PP = objawy psychopatologiczne, BP = nuda, AE = oczekiwane unikanie, CRAV = głód wywołany wskazówką, ICD = zaburzenie komunikacji internetowej).

https://doi.org/10.1371/journal.pone.0195742.g003

Uwzględniliśmy także wiek i płeć jako potencjalne zmienne, które mogą wpłynąć na strukturę obecnego modelu. Dlatego najpierw obliczyliśmy korelacje między wiekiem a wszystkimi innymi zmiennymi. Wyniki wskazują na małe korelacje (wszystkie rjest ≤ -.376). Korelacje te ilustrują znany wzorzec, że młodsi uczestnicy doświadczają w życiu codziennym wyższych subiektywnych skarg z powodu nadmiernego korzystania z aplikacji do komunikacji online. W kolejnym kroku kontrolowaliśmy nasze dane pod kątem różnic płci, używając porównań testu t dla niezależnych próbek. Wyniki wykazały, że nie było znaczącej różnicy między uczestnikami płci męskiej i żeńskiej (p ≥ .319). Model równania strukturalnego z dodatkową analizą według płci został obliczony przy użyciu średniej analizy strukturalnej jako sposobu postępowania [71]. Wskaźniki dopasowania modelu równania strukturalnego wskazują na dobre dopasowanie do danych (CFI = .975, TLI = .961, SRMR = .060, RMSEA = .075, p = .194, BIC = 4050.63). Zarówno w przypadku mężczyzn, jak i kobiet znaleźliśmy podobne wzorce wyników. Uczestniczki wykazały podobne efekty mediacji, jak pokazano w hipotetycznym modelu równania strukturalnego. W przypadku mężczyzn nie stwierdzono bezpośredniego wpływu oczekiwań dotyczących unikania na tendencje ICD (β = .153, SE = .133, p = .249), brak wpływu mediacji oczekiwań unikania na związek między skłonnością do nudy a ICD (β = .029, SE = .030, p = .327) i brak wpływu pośrednictwa głodu na związek między skłonnością do nudy a objawami ICD (β = .073, SE = .065, p = .262). Ze względu na małe rozmiary próbki, szczególnie w przypadku próbki męskiej, wyniki należy omówić ostrożnie i kontrolować w dalszych badaniach.

Dyskusja

W bieżącym badaniu przetestowaliśmy poprawność modelu teoretycznego zakładającego interakcje między skłonnością do nudy a komponentami afektywnymi i poznawczymi dla wyjaśnienia objawów ICD. Model równania strukturalnego na poziomie utajonym zapewnił doskonałe dopasowanie do danych przy użyciu metody łączenia elementów w celu zmniejszenia błędów pomiaru. Podsumowując, nuda i efekty mediacyjne elementów poznawczych i afektywnych, a mianowicie oczekiwań unikania i głodu indukowanego wskazówką, wyjaśniły 81.60% wariancji objawów ICD. Wyniki pokazują, że nuda ma bezpośredni wpływ na rozwój i utrzymanie ICD. Był to znaczący prognostyk oczekiwań, aby uniknąć negatywnych emocji i uciec od rzeczywistości, a także głodu wywołanego wskazówkami. Te afektywne i poznawcze elementy pośredniczyły w wpływie nudności na ICD. Wyniki dodatkowo podkreślają interakcję wspomnianych mediatorów, ponieważ wpływ oczekiwań unikania na objawy ICD był częściowo zależny od głodu indukowanego wskazówką. Ponadto w mediacji oczekiwań dotyczących unikania związku między skłonnością do nudy a objawami ICD pośredniczył głód indukowany wskazówką.

Wyniki potwierdzają hipotezę, że w związku między podatnością na nudę jako podstawową cechą osoby a doświadczeniem negatywnych konsekwencji wynikających z nadmiernego korzystania z aplikacji do komunikacji online pośredniczą reakcje afektywne i poznawcze na bodźce związane z kontekstem zewnętrznym , takie jak wskazówki wizualne wyświetlające rozmowy za pośrednictwem różnych aplikacji do komunikacji online. Obecne wyniki rozszerzają wyniki wcześniejszych badań, które już wykazały, że objawy psychopatologiczne (takie jak depresja lub lęk społeczny) i aspekty osobowości (takie jak wrażliwość na stres lub samoocena) mają wpływ na objawy ICD, w których pośredniczą określone poznanie (takie jak dysfunkcyjny styl radzenia sobie lub oczekiwania dotyczące korzystania z Internetu) [8, 15]. Wyniki są zgodne z teoretycznym modelem I-PACE zaproponowanym przez Branda, Younga [7]. Centralny dla modelu I-PACE jest wpływ podstawowych cech danej osoby w subiektywnym postrzeganiu sytuacji, np. W obliczu bodźców związanych z uzależnieniem, konfliktów osobistych lub stresu. Subiektywnie kolorowe postrzeganie elementów sytuacyjnych prowadzi do indywidualnych reakcji afektywnych i poznawczych, takich jak reaktywność i głód, co określa się jako chęć skorzystania z określonej aplikacji i ograniczenia negatywnych stanów afektywnych [20, 24]. Wyniki obecnego badania potwierdzają to założenie, pokazując, że uczestnicy, którzy mają większą podatność na nudę (jako jedną z podstawowych cech danej osoby) lub nie mogą regulować uwagi na bodźce [35], mają większe ryzyko nadmiernego korzystania z aplikacji do komunikacji online. Wyniki zostały również poprawione przez badanie Elhai, Vasqueza [42], a także w naszej dodatkowej analizie, która podkreśla, że ​​objawy psychopatologiczne, takie jak depresja, wrażliwość interpersonalna, a także lęk mogą prowadzić do większej podatności na nudę i wyższego ryzyka patologicznego wykorzystania aplikacji do komunikacji online. Zachowanie to jest wzmacniane, gdy osoby są konfrontowane z określonymi bodźcami (związanymi z komunikacją ze smartfonem) i odczuwają chęć korzystania ze smartfona lub określonej aplikacji komunikacyjnej. Wydaje się, że korzystanie ze smartfona jest jak automatyczny nawyk po zobaczeniu ikony lub wysłuchaniu dźwięku przychodzącej wiadomości [34]. Użytkownicy aplikacji do komunikacji online mogli rozwinąć taki nawyk, aby spróbować poradzić sobie z nieprzyjemnymi uczuciami, takimi jak nuda, a tym samym uciec od doświadczonego niedostosowania [20, 36].

Mediacyjny wpływ oczekiwań dotyczących unikania na związek skłonności do nudy i objawów ICD potwierdza to założenie. Podobnie jak w przypadku głodu indukowanego wskazówkami, wyniki pokazują, że skłonność do znudzenia prowadzi do oczekiwań, aby uniknąć negatywnych emocji w Internecie i odwrócić uwagę od problemów za pomocą smartfona lub aplikacji do komunikacji online. Jest to zgodne z Biolcati, Passini [48] pokazując, że związek między skłonnością do nudy a upijaniem się jest pośredniczony przez oczekiwania na ucieczkę przed niedostosowaniem i rzeczywistością. Autorzy zakładają, że szczególnie nastolatki, które są bardziej podatne na nudę w czasie wolnym, oczekują od negatywnych emocji picia alkoholu, co zwiększa ryzyko zachowań związanych z piciem [48]. Ryzykowne zachowanie wydaje się być rodzajem nieprzystosowawczego mechanizmu radzenia sobie, w którym osoby próbują znaleźć strategie zmniejszające skłonność do znudzenia [35, 39, 40]. Wyniki Biolcati, Passini [48], Biolcati, Mancini [39] i Harris [40] ilustrują główne założenia modelu I-PACE, takie jak hipoteza, że ​​jednostki próbują uciec od negatywnych emocji lub poradzić sobie z nienormalnym nastrojem, zwłaszcza w obliczu bodźców związanych z uzależnieniem, które mogą prowadzić do decyzji o zastosowaniu określonej aplikacji. Ponieważ Zhou i Leung [46] już opisał związek nudy z grą w środowiskach społecznościowych, obecne wyniki określają tę zależność. Doświadczenie zadowalania lub stymulacji w sytuacji podniecenia można opisać jako ważny czynnik, który zwiększa ryzyko korzystania z niektórych aplikacji online ze względu na oczekiwanie, że wielokrotnie zmniejszy negatywne stany afektywne w podobnych sytuacjach. Jest to zgodne z ustaleniami badania neuroobrazowania przeprowadzonego przez Montaga, Markowetza [72], który pokazał satysfakcjonujące aspekty korzystania z Facebooka za pomocą smartfona i wyższą aktywację brzusznego prążkowia, gdy osoby spędzają czas na serwisach społecznościowych.

Drugim celem badania było zbadanie interakcji reakcji afektywnych i poznawczych na bodźce zewnętrzne. W poprzednich badaniach sprawdzono już znaczenie reaktywności i głodu [34], a także oczekiwania dotyczące korzystania z Internetu [8, 15], a zwłaszcza oczekiwania dotyczące unikania [16] na opracowanie i utrzymanie ICD. Znaczenie tych dwóch konstruktów zostało już wykazane w przypadku określonych zaburzeń korzystania z Internetu, takich jak zaburzenia zakupów internetowych lub patologiczne kupowanie [18, 59], Zaburzenie oglądania pornografii internetowej [29], Zaburzenie gier internetowych [30, 73, 74] lub uogólnione (nieokreślone) zaburzenie korzystania z Internetu [17]. Zgodnie z naszą najlepszą wiedzą, nie było badań, w których badano by interakcję głodu indukowanego wskazówką i oczekiwań w zakresie korzystania z Internetu, zgodnie z hipotezą modelu I-PACE [7]. Autorzy modelu I-PACE zakładają, że oczekiwania dotyczące korzystania z Internetu przewidują głód wywołany wskazówką, co ma wpływ na objawy konkretnego zaburzenia korzystania z Internetu. Dlatego postawiliśmy hipotezę, że głód wywołany wskazówką działa jako mediator między oczekiwaniami dotyczącymi korzystania z Internetu (głównie oczekiwań unikania) a objawami ICD. Hipotezę popierają obecne wyniki. Odkrycia wskazują, że komponenty afektywne i poznawcze oddziałują na siebie, co podkreśla kluczowe mechanizmy modelu teoretycznego. Osoby z konkretnym poznaniem związanym z Internetem (np. Oczekiwania odwrócenia uwagi od problemów, ucieczki od rzeczywistości lub uniknięcia samotności) wydają się być podatne na sygnały związane z uzależnieniem i wydają się doświadczać wyższych reakcji na głód. Jeśli chodzi o mechanizmy wzmocnienia zaproponowane w modelu I-PACE, zakłada się, że osoby fizyczne decydują się na użycie aplikacji „pierwszego wyboru”, aby odwrócić uwagę od tego negatywnego stanu i doświadczyć zadośćuczynienia lub rekompensaty. Zwiększa to ryzyko utraty kontroli nad korzystaniem z Internetu [7]. Wyniki są pierwszym znakiem wskazującym interakcję między reakcjami afektywnymi i poznawczymi na bodźce zewnętrzne i wewnętrzne. Ponieważ istnieją dalsze elementy, takie jak uprzedzenie i domniemane skojarzenia, a także znaczenie kontroli hamowania i funkcji wykonawczych [7], powiązania między tymi czynnikami należy zbadać bardziej szczegółowo. W związku z tym przyszłe badania powinny koncentrować się na ICD, ale także na innych specyficznych zaburzeniach korzystania z Internetu.

Perspektywy i implikacje

Korzystanie ze smartfonów i aplikacji do komunikacji internetowej w codziennym życiu wydaje się zasadniczo nie powodować problemów. W przypadku większości osób powszechnym nawykiem jest używanie smartfona w oczekiwaniu na inną osobę lub na przykład pociąg. Turel and Bechara [75] ilustrują również znaczenie impulsywności jako czynnika ryzyka ICD. Ogólnie rzecz biorąc, aplikacje do komunikacji online wydają się być doskonałym przykładem związku między skłonnością do nudy a patologicznym wykorzystaniem. Można założyć, że doświadczenie gratyfikacji i kompensacji za pomocą tych aplikacji jest kluczowym mechanizmem w procesie rozwoju ICD. Chociaż wyniki są zgodne z teoretycznymi założeniami modelu I-PACE marki Brand, Young [7], rozwój uzależniających zachowań komunikacyjnych online i objawów ICD, a także rola skłonności do nudy oraz afektywnych i dalszych elementów poznawczych powinny być badane w badaniach podłużnych. Dlatego potrzebne są dalsze badania, szczególnie dotyczące konkretnych mechanizmów wzmacniających.

Biorąc to pod uwagę, oprócz podatności na nudę, badania powinny koncentrować się również na subiektywnie postrzeganej sytuacji. Ben-Yehuda, Greenberg [76] zajęła się już kwestią znaczenia nudy państwowej jako potencjalnego czynnika ryzyka dla rozwoju uzależnienia od smartfonów, co należy zbadać w dalszych badaniach. Obejmuje to doświadczenie niedostymulacji i podniecenia jako stan zależny od kontekstu [38, 57]. Można założyć, że rzeczywiście postrzegana nuda jest kolejnym istotnym wyjaśnieniem, dlaczego osoby rozwijają automatyczny nawyk korzystania ze smartfona w sytuacji niewystarczającej stymulacji. Można to wzmocnić doświadczoną satysfakcją i odszkodowaniem, a tym samym zwiększyć prawdopodobieństwo ponownego użycia smartfona w porównywalnej sytuacji. Do tej pory w dalszych badaniach należy pamiętać, że czynniki sytuacyjne, takie jak faktyczny nastrój, osobiste konflikty, faktyczna doświadczana nuda lub postrzegany stres mogą wpływać na komponenty poznawcze i afektywne, a także na decyzję o zastosowaniu określonej aplikacji [7, 77].

Biorąc pod uwagę fakt, że coraz więcej osób doświadcza negatywnych konsekwencji w życiu codziennym, takich jak konflikty z rodziną i przyjaciółmi lub problemy związane z pracą, które wynikają z niekontrolowanego korzystania z Internetu i jego konkretnych aplikacji, istnieje coraz większe zapotrzebowanie na odpowiednie i ukierunkowane interwencje. W kontekście zaburzeń korzystania z Internetu i jego specyficznych form, takich jak ICD, zakłada się, że sukces profilaktyki i interwencji zależy głównie od adekwatności uwzględnienia odpowiednich czynników. Biorąc pod uwagę fakt, że cechy osobowe mogą być trudne do zmodyfikowania, interwencje powinny koncentrować się na moderowaniu, a także na aspektach mediacyjnych, aby zapobiec nadmiernemu korzystaniu z niektórych aplikacji internetowych [7]. W tym badaniu podkreślono, że oczekuje się uniknięcia negatywnych uczuć w Internecie i wywołanych wskazówkami reakcji głodu, aby odgrywać rolę mediatora w rozwoju i utrzymywaniu ICD. Wykorzystanie konkretnych oczekiwań związanych z korzystaniem z Internetu w celu zmiany nieprzewidzianych przekonań może być pierwszym krokiem w kierunku funkcjonalnego korzystania z Internetu. Ludzie, którzy mają trudności z znudzeniem się lub mają większą skłonność do znudzenia się nudą, powinni zostać przeszkoleni, aby zdać sobie sprawę, że Internet lub korzystanie ze smartfona nie jest jedynym sposobem radzenia sobie z codziennymi sytuacjami, które wiążą się z niewystarczającą stymulacją lub nawet nieprzyjemnymi uczuciami. Ten aspekt jest szczególnie ważny, ponieważ oczekiwanie, że aplikacje komunikacji online mogą sprzyjać ucieczce od rzeczywistych problemów, może w ten sposób promować i intensyfikować reakcje głodu, jak pokazują obecne wyniki, szczególnie gdy pojawiają się określone bodźce. W życiu codziennym takimi bodźcami może być na przykład widzenie innych osób korzystających ze smartfona lub zauważanie przychodzącej wiadomości. W rzeczywistości może to jeszcze bardziej utrudnić jednostkom powstrzymanie się od chęci korzystania z niektórych aplikacji. Ogólnie rzecz biorąc, osoby fizyczne mogą następnie zmniejszyć kontrolę nad korzystaniem z Internetu, co ma negatywne konsekwencje. Ponadto tendencje do zbliżania się do aplikacji do komunikacji online z powodu doświadczonego głodu powinny być systematycznie zmniejszane poprzez programy szkoleniowe, które pozwalają jednostkom nauczyć się, jak unikać nieuregulowanych reakcji na określone bodźce [7]. Skuteczność wspólnych metod szkoleniowych wymaga dalszych badań, szczególnie w przypadku ICD.

Na koniec musimy wspomnieć o pewnych ograniczeniach. Badanie przeprowadzono na próbie wygodnej, która nie jest reprezentatywna dla całej populacji ani dla osób poszukujących leczenia z zaburzeniem korzystania z Internetu. Na podstawie aktualnych wyników warto zbadać interakcję między nudą, głodem i oczekiwaniem w innych próbach, takich jak młodzież i pacjenci poszukujący leczenia. Dodatkowym ograniczeniem jest to, że skupiliśmy się tylko na ICD. Biorąc pod uwagę, że inne aplikacje internetowe mogą również służyć do ucieczki od nudy lub negatywnych uczuć, badanie należy powtórzyć z próbkami o innych zastosowaniach pierwszego wyboru, takich jak gry internetowe, zakupy w Internecie lub pornografia internetowa.

Wnioski

Obecne badanie miało na celu zbadanie teoretycznych założeń dotyczących opracowania i utrzymania ICD. W oparciu o model I-PACE skupiono się na mediacyjnym wpływie komponentów poznawczych i afektywnych, a mianowicie oczekiwanych przypadków unikania i głodu indukowanego wskazówką, na związek między podstawowymi cechami osoby a objawami ICD. W tym badaniu zbadano wpływ skłonności do nudy jako zmiennej cechy, która prawdopodobnie przewiduje objawy ICD. Obecne wyniki pokazują, że skłonność do nudy może odgrywać ważną rolę w ICD. Osoby, które mają większą skłonność do znudzenia się, wykazują większe oczekiwania w celu uniknięcia negatywnych uczuć dzięki zastosowaniu aplikacji do komunikacji online, co z kolei zwiększa negatywne konsekwencje w życiu codziennym. Ponadto oczekiwanie na unikanie wiąże się z większym doświadczeniem głodu. Może to być spowodowane potencjalnie wyższą podatnością na sygnały związane z komunikacją internetową, co dodatkowo utrudnia korzystanie z aplikacji do komunikacji online. Dzięki tym wynikom podstawowe mechanizmy ICD przynoszą ulgę. Próby interwencyjne mające na celu zapobieżenie nieuregulowanemu i nadmiernemu korzystaniu z Internetu i jego konkretnych aplikacji można potencjalnie zoptymalizować, biorąc pod uwagę koncepcję znudzenia i jego interakcję z reaktywnością, pożądaniem i oczekiwaniami.

Informacje dodatkowe

S1 File.sav

figaudział

Do pobrania

Dataset_PoNE-D-17-41307R2.sav.

Ten plik jest zbiorem danych z bieżącego badania i zawiera wszystkie zmienne oraz informacje dotyczące przeprowadzonych analiz.

(SAV)

Plik S1. Dataset_PoNE-D-17-41307R2.sav.

Ten plik jest zbiorem danych z bieżącego badania i zawiera wszystkie zmienne oraz informacje dotyczące przeprowadzonych analiz.

https://doi.org/10.1371/journal.pone.0195742.s001

(SAV)

Referencje

1. 1. Statista. Liczba użytkowników smartfonów na całym świecie od 2014 do 2020 (w miliardach) 2017 [cyt. 2017 22 / 11 / 2017].
2. 2. Kuss DJ, Griffiths MD. Internetowe sieci społecznościowe i uzależnienie: przegląd literatury psychologicznej. International Journal of Enviromental Research and Public Health. 2011; 8: 3528 – 52. pmid: 22016701
   • Zobacz artykuł
   • PubMed / NCBI
   • Google Scholar
3. 3. Amichai-Hamburger Y, Vinitzky G. Korzystanie z sieci społecznościowej i jej osobowość. Komputery w zachowaniu ludzi. 2010; 26 (6): 1289 – 95.
4. Zobacz artykuł
5. Google Scholar
6. 4. Statista. Liczba miesięcznych aktywnych użytkowników WhatsApp na całym świecie od kwietnia 2013 do lipca 2017 (w milionach) 2017 [cyt. 2017 22 / 11 / 2017].
7. 5. Statista. Liczba miesięcznych aktywnych użytkowników Facebooka na całym świecie od 3rd kwartał 2017 (w milionach) 2017 [cyt. 2017 22 / 11 / 2017].
8. Zobacz artykuł
9. PubMed / NCBI
10. Google Scholar
11. Zobacz artykuł
12. PubMed / NCBI
13. Google Scholar
14. Zobacz artykuł
15. PubMed / NCBI
16. Google Scholar
17. Zobacz artykuł
18. PubMed / NCBI
19. Google Scholar
20. Zobacz artykuł
21. Google Scholar
22. Zobacz artykuł
23. PubMed / NCBI
24. Google Scholar
25. Zobacz artykuł
26. Google Scholar
27. Zobacz artykuł
28. PubMed / NCBI
29. Google Scholar
30. Zobacz artykuł
31. Google Scholar
32. Zobacz artykuł
33. PubMed / NCBI
34. Google Scholar
35. Zobacz artykuł
36. PubMed / NCBI
37. Google Scholar
38. Zobacz artykuł
39. Google Scholar
40. Zobacz artykuł
41. PubMed / NCBI
42. Google Scholar
43. Zobacz artykuł
44. PubMed / NCBI
45. Google Scholar
46. Zobacz artykuł
47. Google Scholar
48. Zobacz artykuł
49. PubMed / NCBI
50. Google Scholar
51. Zobacz artykuł
52. PubMed / NCBI
53. Google Scholar
54. Zobacz artykuł
55. PubMed / NCBI
56. Google Scholar
57. Zobacz artykuł
58. Google Scholar
59. Zobacz artykuł
60. PubMed / NCBI
61. Google Scholar
62. Zobacz artykuł
63. PubMed / NCBI
64. Google Scholar
65. Zobacz artykuł
66. PubMed / NCBI
67. Google Scholar
68. Zobacz artykuł
69. PubMed / NCBI
70. Google Scholar
71. Zobacz artykuł
72. PubMed / NCBI
73. Google Scholar
74. Zobacz artykuł
75. PubMed / NCBI
76. Google Scholar
77. Zobacz artykuł
78. PubMed / NCBI
79. Google Scholar
80. Zobacz artykuł
81. PubMed / NCBI
82. Google Scholar
83. Zobacz artykuł
84. PubMed / NCBI
85. Google Scholar
86. Zobacz artykuł
87. Google Scholar
88. Zobacz artykuł
89. Google Scholar
90. Zobacz artykuł
91. Google Scholar
92. Zobacz artykuł
93. PubMed / NCBI
94. Google Scholar
95. Zobacz artykuł
96. Google Scholar
97. Zobacz artykuł
98. PubMed / NCBI
99. Google Scholar
100. Zobacz artykuł
101. Google Scholar
102. Zobacz artykuł
103. Google Scholar
104. Zobacz artykuł
105. Google Scholar
106. Zobacz artykuł
107. PubMed / NCBI
108. Google Scholar
109. Zobacz artykuł
110. Google Scholar
111. Zobacz artykuł
112. PubMed / NCBI
113. Google Scholar
114. Zobacz artykuł
115. Google Scholar
116. Zobacz artykuł
117. Google Scholar
118. Zobacz artykuł
119. PubMed / NCBI
120. Google Scholar
121. Zobacz artykuł
122. PubMed / NCBI
123. Google Scholar
124. Zobacz artykuł
125. PubMed / NCBI
126. Google Scholar
127. Zobacz artykuł
128. PubMed / NCBI
129. Google Scholar
130. Zobacz artykuł
131. PubMed / NCBI
132. Google Scholar
133. Zobacz artykuł
134. PubMed / NCBI
135. Google Scholar
136. Zobacz artykuł
137. Google Scholar
138. Zobacz artykuł
139. Google Scholar
140. Zobacz artykuł
141. Google Scholar
142. Zobacz artykuł
143. PubMed / NCBI
144. Google Scholar
145. Zobacz artykuł
146. Google Scholar
147. Zobacz artykuł
148. PubMed / NCBI
149. Google Scholar
150. Zobacz artykuł
151. Google Scholar
152. Zobacz artykuł
153. PubMed / NCBI
154. Google Scholar
155. 6. Młody KS, Pistner M, O'Mara J, Buchanan J. Cyber ​​zaburzenia: problem zdrowia psychicznego nowego tysiąclecia. Cyberpsychologia i zachowanie. 1999; 2: 475–9. pmid: 19178220
156. 7. Marka M, Young KS, Laier C, Wölfling K, Potenza MN. Łączenie zagadnień psychologicznych i neurobiologicznych dotyczących rozwoju i utrzymywania określonych zaburzeń korzystania z Internetu: model interakcji interakcji person-afekt-poznanie-wykonanie (I-PACE). Neuronauka i biobehawioralne recenzje. 2016; 71: 252 – 66. pmid: 27590829
157. 8. Wegmann E, Brand M. Zaburzenie komunikacji internetowej: jest to kwestia aspektów społecznych, radzenia sobie i oczekiwań dotyczących korzystania z Internetu. Granice w psychologii. 2016; 7 (1747): 1 – 14. pmid: 27891107
158. Zobacz artykuł
159. Google Scholar
160. Zobacz artykuł
161. PubMed / NCBI
162. Google Scholar
163. Zobacz artykuł
164. Google Scholar
165. Zobacz artykuł
166. PubMed / NCBI
167. Google Scholar
168. Zobacz artykuł
169. Google Scholar
170. 9. Choi SW, Kim DJ, Choi JS, Choi EJ, Song WY, Kim S i in. Porównanie ryzyka i czynników ochronnych związanych z uzależnieniem od smartfona i uzależnieniem od Internetu. Dziennik uzależnień behawioralnych. 2015; 4 (4): 308 – 14. pmid: 26690626
171. Zobacz artykuł
172. PubMed / NCBI
173. Google Scholar
174. Zobacz artykuł
175. PubMed / NCBI
176. Google Scholar
177. Zobacz artykuł
178. PubMed / NCBI
179. Google Scholar
180. Zobacz artykuł
181. PubMed / NCBI
182. Google Scholar
183. Zobacz artykuł
184. Google Scholar
185. Zobacz artykuł
186. Google Scholar
187. Zobacz artykuł
188. PubMed / NCBI
189. Google Scholar
190. 10. Montag C, Blaszkiewicz K, Sariyska R, Lachmann B, Andone I, Trendafilov B, i in. Korzystanie ze smartfona w 21st wieku: Kto jest aktywny w WhatsApp? Uwagi badawcze BMC. 2015; 8: 1 – 6.
191. 11. Marka M, Young KS, Laier C. Kontrola przedczołowa i uzależnienie od Internetu: model teoretyczny i przegląd wyników badań neuropsychologicznych i neuroobrazowania. Frontiers in Human Neuroscience. 2014; 8 (375): 1 – 36. pmid: 24904393
192. 12. Davis RA. Model poznawczo-behawioralny patologicznego korzystania z Internetu. Komputery w zachowaniu ludzi. 2001; 17: 187 – 95.
193. 13. Spada MM. Przegląd problematycznego korzystania z Internetu. Zachowania uzależniające. 2014; 39: Epub przed drukowaniem. 3 – 6. pmid: 24126206
194. 14. Billieux J, Maurage P, Lopez-Fernandez O, Kuss DJ, Griffiths MD. Czy nieuporządkowane korzystanie z telefonu komórkowego można uznać za uzależnienie behawioralne? Aktualizacja aktualnych dowodów i kompleksowy model dla przyszłych badań. Bieżące raporty uzależnień. 2015; 2 (2): 156 – 62.
195. 15. Wegmann E, Stodt B, Brand M. Uzależniające korzystanie z serwisów społecznościowych można wytłumaczyć interakcją oczekiwań w korzystaniu z Internetu, umiejętności korzystania z Internetu i objawów psychopatologicznych. Dziennik uzależnień behawioralnych. 2015; 4 (3): 155 – 62. pmid: 26551905
196. 16. Wegmann E, Oberst U, Stodt B, Brand M. Specyficzny online lęk przed utratą i oczekiwaniem korzystania z Internetu przyczynia się do objawów zaburzeń komunikacji internetowej. Raporty uzależnień. 2017; 5: 33 – 42. pmid: 29450225
197. 17. Marka M, Laier C, Young KS. Uzależnienie od Internetu: style radzenia sobie, oczekiwania i konsekwencje leczenia. Granice w psychologii. 2014; 5: 1 – 14.
198. 18. Trotzke P, Starcke K, Müller A, Marka M. Patologiczne zakupy przez Internet jako szczególna forma uzależnienia od Internetu: eksperymentalne badanie modelowe. PLoS ONE. 2015; 10 (10): e0140296. pmid: 26465593
199. 19. Sayette MA. Rola głodu w zaburzeniach używania substancji: kwestie teoretyczne i metodologiczne. Coroczny przegląd psychologii klinicznej. 2016; 12: 407 – 33. pmid: 26565121.
200. 20. Hormes JM. Znaczenie kliniczne pragnienia zachowań uzależniających: przegląd. Bieżące raporty uzależnień. 2017; 4 (2): 132 – 41.
201. 21. Bechara A. Podejmowanie decyzji, kontrola impulsów i utrata siły odporności na leki: perspektywa neurokognitywna. Neuronauka. 2005; 8: 1458 – 63. pmid: 16251988
202. 22. Carter BL, Tiffany ST. Metaanaliza reaktywności cue w badaniach uzależnień. Uzależnienie. 1999; 94: 327 – 40. pmid: 10605857
203. 23. Skinner MD, Aubin HJ. Miejsce głodu w teorii uzależnień: wkład głównych modeli. Neuronauka i biobehawioralne recenzje. 2010; 34: 606 – 23. pmid: 19961872
204. 24. Drummond DC. Teorie głodu narkotyków, starożytne i współczesne. Uzależnienie (Abingdon, Anglia). 2001; 96: 33 – 46.
205. 25. Schiebener J, Laier C, Brand M. Utknąłeś z pornografią? Nadużywanie lub zaniedbywanie wskazówek cyberseksualnych w sytuacji wielozadaniowości jest związane z objawami uzależnienia od cyberseksualistów. Dziennik uzależnień behawioralnych. 2015; 4 (1): 14 – 21. pmid: 25786495
206. 26. Niu GF, Sun XJ, Subrahmanyam K, Kong FC, Tian Y, Zhou ZK. Indukowane wskazówką głód Internetu wśród uzależnionych od Internetu. Zachowania uzależniające. 2016; 62: 1 – 5. pmid: 27305097
207. 27. Tiffany ST, Wray JM. Znaczenie kliniczne głodu narkotykowego. Kroniki New York Academy of Sciences. 2012; 1248: 1 – 17. pmid: 22172057
208. 28. Snagowski J, Brand M. Objawy uzależnienia od cyberseksu można powiązać zarówno z zbliżaniem się, jak i unikaniem bodźców pornograficznych: wyniki z analogicznej próby zwykłych użytkowników cyberseks. Granice w psychologii. 2015; 6: 653. pmid: 26052292
209. 29. Laier C, Pawlikowski M, Pekal J, Schulte FP, uzależnienie od marki M. Cybersex: Doświadczenie podniecenia seksualnego podczas oglądania pornografii, a nie rzeczywistych kontaktów seksualnych robi różnicę. Dziennik uzależnień behawioralnych. 2013; 2: 100 – 7. pmid: 26165929
210. 30. Thalemann R, Wölfling K, Grüsser SM. Specyficzna reaktywność cue na sygnały związane z grami komputerowymi u nadmiernych graczy. Neuronauka behawioralna. 2007; 121: 614 – 8. pmid: 17592953
211. 31. Liu L, Yip SW, Zhang JT, Wang LJ, Shen ZJ, Liu B, i in. Aktywacja brzusznego i grzbietowego prążkowia podczas reaktywności cue w zaburzeniach gier internetowych. Biologia uzależnień. 2017; 3 (2): 791 – 801. pmid: 26732520.
212. 32. Park CB, Park SM, Gwak AR, Sohn BK, Lee JY, Jung HY i in. Wpływ wielokrotnego narażenia na wirtualne wskazówki hazardowe na chęć uprawiania hazardu. Zachowania uzależniające. 2015; 41: 61 – 4. pmid: 25306387
213. 33. Fernie BA, Caselli G, Giustina L, Donato G, Marcotriggiani A, Spada MM. Chęć myślenia jako predyktor hazardu. Zachowania uzależniające. 2014; 39: 793 – 6. pmid: 24531634
214. 34. Wegmann E, Stodt B, Brand M. Cue-induced głód w zaburzeniach komunikacji internetowej z wykorzystaniem wizualnych i słuchowych sygnałów w paradygmacie cue-reaktywności. Badania i teoria uzależnień. 2017: Epub przed drukiem.
215. 35. LePera N. Zależności między skłonnością do nudy, uważnością, lękiem, depresją i używaniem substancji. Biuletyn New School Psychology. 2011; 8 (2): 15 – 23.
216. 36. Iso-Ahola SE, Weissinger E. Postrzeganie nudy w czasie wolnym: konceptualizacja, rzetelność i aktualność skali nudy w czasie wolnym. Journal of Leisure Research. 1990; 22 (1): 1 – 17.
217. 37. Lin CH, Lin SL, Wu CP. Wpływ monitorowania rodziców i nudy w czasie wolnym na uzależnienie młodzieży od Internetu. Adolescencja. 2009; 44 (176): 993 – 1004. Epub 2009 / 01 / 01. pmid: 20432612.
218. 38. Brissett D, Snow RP. Nuda: Gdzie nie ma przyszłości. Interakcja symboliczna. 1993; 16 (3): 237 – 56.
219. 39. Biolcati R, Mancini G, Trombini E. Skłonność do nudy i ryzykowne zachowania w czasie wolnym młodzieży. Raporty psychologiczne. 2017: 1 – 21. Epub 2017 / 08 / 05. pmid: 28776483.
220. 40. Harris MB. Koreluje i cechuje nudę i nudę. Journal of Applied Social Psychology. 2000; 30 (3): 576 – 98.
221. 41. Mikulas WL, Vodanovich SJ. Esencja nudy. Zapis psychologiczny. 1993; 43 (1): 3 – 12.
222. 42. Elhai JD, Vasquez JK, Lustgarten SD, Levine JC, Hall BJ. Skłonność do nudy pośredniczy w relacjach między problematycznym używaniem smartfona z depresją a nasileniem lęku. Przegląd komputera nauk społecznych. 2017: 1 – 14.
223. 43. Wiesner M., Windle M., Freeman A. Stres w pracy, używanie substancji i depresja wśród młodych dorosłych pracowników: badanie głównego i moderującego modelu efektu. Dziennik psychologii zdrowia zawodowego. 2005; 10 (2): 83 – 96. pmid: 15826220.
224. 44. Anshel MH. Badanie elitarnych sportowców na temat postrzeganych przyczyn używania zakazanych narkotyków w sporcie. Journal of Sport Behaviour. 1991; 14 (4): 283 – 310.
225. 45. Thackray RI. Stres nudy i monotonii: rozważenie dowodów. Medycyna psychosomatyczna. 1981; 43 (2): 165 – 76. pmid: 7267937.
226. 46. Zhou SX, Leung L. Gratyfikacja, samotność, nuda w czasie wolnym i poczucie własnej wartości jako predyktory uzależnienia od gier SNS i wzorca używania wśród chińskich studentów. International Journal of Cyber ​​Behavior, Psychology and Learning. 2012; 2 (4): 34 – 48.
227. 47. Caldwell LL, Smith EA. Zachowania zdrowotne młodzieży wyobcowanej z wolnego czasu. Loisir et Société / Society and Leisure. 1995; 18 (1): 143 – 56.
228. 48. Biolcati R, Passini S, Mancini G. „Nie mogę znieść nudy”. Oczekiwane picie w okresie dojrzewania. Raporty uzależnień. 2016; 3 (suplement C): 70 – 6. pmid: 29532002
229. 49. Błaszczyński A, McConaghy N, Frankova A. Nuda w patologicznym hazardie. Raporty psychologiczne. 1990; 67 (1): 35 – 42. Epub 1990 / 08 / 01. pmid: 2236416.
230. 50. Fortune EE, Goodie AS. Związek między patologicznym hazardem a poszukiwaniem wrażeń: rola wyników podskali. Dziennik studiów hazardowych. 2010; 26 (3): 331 – 46. pmid: 19943092.
231. 51. Zuckerman M., Eysenck S, Eysenck HJ. Poszukiwanie wrażeń w Anglii i Ameryce: porównania międzykulturowe, wiek i płeć. Dziennik konsultacji i psychologii klinicznej. 1978; 46 (1): 139 – 49. Epub 1978 / 02 / 01. pmid: 627648.
232. 52. Neubaum G, Krämer NC. Moi przyjaciele tuż obok mnie: badanie laboratoryjne dotyczące predyktorów i konsekwencji bliskości społecznej na portalach społecznościowych. CyberPsychologia, zachowanie i sieci społecznościowe. 2015; 18 (8): 443 – 9. pmid: 26252929
233. 53. Lin CH, Yu SF. Korzystanie z Internetu przez młodzież na Tajwanie: badanie różnic między płciami. Adolescencja. 2008; 43 (170): 317 – 31. pmid: 18689104.
234. 54. Rahmani S, Lavasani MG. Związek między uzależnieniem od Internetu a poszukiwaniem wrażeń i osobowością. Procedia - nauki społeczne i behawioralne. 2011; 30 (suplement C): 272 – 7.
235. 55. Chaney MP, Chang CY. Trio turmoi dla uzależnionych od Internetu mężczyzn uprawiających seks z mężczyznami: skłonność do nudy, więzi społeczne i dysocjacja. Uzależnienie seksualne i kompulsywność. 2005; 12 (1): 3–18.
236. 56. Velezmoro R, Lacefield K, Roberti JW. Postrzegał stres, poszukiwanie wrażeń i nadużywanie Internetu przez studentów. Komputery w zachowaniu ludzi. 2010; 26 (6): 1526 – 30.
237. 57. Weybright EH, Caldwell LL, Ram N, Smith EA, Wegner L. Nuda skłonna czy nic nie robić? Rozróżnianie nudy państwowej i namiętnej w czasie wolnym od pracy oraz jej związek z używaniem substancji w młodzieży z Afryki Południowej. Nauki o rekreacji. 2015; 37 (4): 311 – 31. pmid: 26085700.
238. 58. Pawlikowski M, Altstötter-Gleich C, Brand M. Walidacja i właściwości psychometryczne krótkiej wersji testu uzależnienia od Internetu Younga. Komputery w zachowaniu ludzi. 2013; 29: 1212 – 23.
239. 59. Trotzke P, Starcke K, Pedersen A, Brand M. Głód indukowany przez Cue w zakupach patologicznych: dowody empiryczne i implikacje kliniczne. Medycyna psychosomatyczna. 2014; 76 (9): 694 – 700. pmid: 25393125.
240. 60. Love A, James D, Willner P. Porównanie dwóch kwestionariuszy głodu alkoholu. Uzależnienie (Abingdon, Anglia). 1998; 93 (7): 1091 – 102.
241. 61. Struk AA, Carriere JS, Cheyne JA, Danckert J. Krótka skala wymowy nudy. Oszacowanie. 2015; 24 (3): 346 – 59. pmid: 26467085.
242. 62. Cohen J. Analiza statystyczna mocy dla nauk behawioralnych. 2 ed. Hillsdale, NJ: Erlbaum; 1988.
243. 63. Muthén L, Muthén B. MPlus. Los Angeles: Muthén i Muthén; 2011.
244. 64. Hu L, Bentler PM. Ocena dopasowania modelu. W: Hoyle RH, redaktor. Zagadnienia i zastosowania w modelowaniu równań strukturalnych. Londyn: Sage Publications, Inc; 1995. p. 76 – 99.
245. 65. Hu L, Bentler PM. Kryteria odcięcia dla wskaźników dopasowania w analizie struktury kowariancji: kryteria konwencjonalne a nowe alternatywy. Modelowanie równań strukturalnych: multidyscyplinarny dziennik. 1999; 6: 1 – 55.
246. 66. Marsh HW, Ludtke O, Nagengast B, Morin AJ, von Davier M. Metody psychologiczne. 2013; 18 (3): 257 – 84. pmid: 23834417.
247. 67. Little TD, Cunningham WA, Shahar G, Widaman KF. Paczkować czy nie paczkować: Badanie pytania, ważenie zalet. Modelowanie równań strukturalnych: multidyscyplinarny dziennik. 2002; 9 (2): 151 – 73.
248. 68. Sommers J, Vodanovich SJ. Nuda: jej związek z objawami zdrowia psychicznego i fizycznego. Dziennik psychologii klinicznej. 2000; 56 (1): 149 – 55. Epub 2000 / 02 / 08. pmid: 10661377.
249. 69. Gordon A, Wilkinson R, McGown A, Jovanoska S. Psychometryczne właściwości Skali Wyraźności Nudy: Badanie jej ważności. Studia psychologiczne. 1997; 42 (2 – 3): 85 – 97.
250. 70. Derogatis LR. BSI Brief Symptom Inventory: Podręcznik administracji, punktacji i procedur. 1993. Epub Trzecia edycja.
251. 71. Dimitrov DM. Porównywanie grup zmiennych utajonych: metoda modelowania równań strukturalnych. Praca (czytanie, msza). 2006; 26 (4): 429 – 36. Epub 2006 / 06 / 22. pmid: 16788262.
252. 72. Montag C, Markowetz A, Blaszkiewicz K, Andone I, Lachmann B, Sariyska R, i in. Wykorzystanie Facebooka na smartfonach i objętość szarej masy jądra półleżącego. Behawioralne badania mózgu. 2017; 329: 221 – 8. pmid: 28442353.
253. 73. Ko CH, Liu GC, Yen JY, Chen CY, Yen CF, Chen CS. Mózg koreluje z pragnieniem grania online pod wpływem ekspozycji u osób uzależnionych od Internetu i osób poddanych wymianie. Biologia uzależnień. 2013; 18: 559 – 69. pmid: 22026537
254. 74. Ko CH, Liu GC, Yen JY, Yen CF, Chen CS, Lin WC. Aktywacje mózgu związane zarówno z popędem związanym z grą, jak i głodem palenia wśród osób współwystępujących z uzależnieniem od gier internetowych i uzależnieniem od nikotyny. Journal of Psychiatric Research. 2013; 47 (4): 486 – 93. pmid: 23245948
255. 75. Turel O, Bechara A. Wpływ impulsywności ruchowej i jakości snu na przeklinanie, dewiacje interpersonalne i niekorzystne zachowania na internetowych portalach społecznościowych. Osobowość i różnice indywidualne. 2017; 108: 91 – 7.
256. 76. Ben-Yehuda L, Greenberg L, Weinstein A. Uzależnienie od Internetu poprzez używanie smartfonów - relacje między uzależnieniem od Internetu, częstotliwością korzystania ze smartfonów a spojrzeniem umysłów studentów płci męskiej i żeńskiej. Journal of Reward Deficiency Syndrome & Addiction Science. 2016.
257. 77. MP Tavolacci, Ladner J, Grigioni S, Richard L, Villet H, Dechelotte P. Częstość występowania i związek postrzeganego stresu, używania substancji i uzależnień behawioralnych: Badanie przekrojowe wśród studentów uniwersytetów we Francji, 2009 – 2011. BMC zdrowie publiczne. 2013; 13: 724. pmid: 23919651.