Utveckling av koreansk smartphone beroende benägenhet skala för ungdomar (2012)

Citation: Kim D, Lee Y, Lee J, Nam JK, Chung Y (2014) Utveckling av koreanska Smartphone Addiction Proneness Scale for Youth. PLoS ONE 9 (5): e97920. doi: 10.1371 / journal.pone.0097920

Redaktör: Amanda Bruce, University of Missouri-Kansas City, USA

Mottagen: December 19, 2013; Accepterad: April 16, 2014; Publicerad: Maj 21, 2014

Upphovsrätt: © 2014 Kim et al. Detta är en artikel med öppen åtkomst som distribueras under villkoren för Creative Commons Attribution License, som tillåter obegränsad användning, distribution och reproduktion i vilket medium som helst, förutsatt att den ursprungliga författaren och källan krediteras.

finansiering: Författarna har inget stöd eller finansiering för att rapportera.

Konkurrerande intressen: Författarna har förklarat att inga konkurrerande intressen existerar.

Beskrivning

Utbredningen av persondatorer på 1990-talet födde en digital revolution. Personliga skrivbord utvecklades snart till PMP: er, surfplattor och smartphones - enheter som har blivit allt vanligare i människors liv. I synnerhet har distributionshastigheten för smartphones en uppåtgående trend över hela världen sedan 2000 [1]. Sådan utbredd användning av smartphones har fått namnet "Smart Revolution" och har medfört dramatiska förändringar i människors vardag. Även om smarttelefonanvändning har gjort livet bekvämare för många människor, har det också orsakat negativa effekter inom ramen för psykologiskt välbefinnande, mellanmänskliga relationer och fysisk hälsa. Till exempel på grund av enkel åtkomst till online-miljö via smartphones, negativa konsekvenser av online disinhibition effekt kännetecknas av sänkta beteendeinhibitioner [2] [3] blir allt högre, särskilt i form av cybervåld.

Dagens ungdomar är mycket mottagliga för nya former av media som smartphones [4] eftersom de är den första generationen som har vuxit upp omgiven av olika former av högteknologiska medier [5]. Detta kan innebära att ungdomar är mer mottagliga för de negativa effekterna av smarta medier än äldre åldersgrupper. I Sydkorea har ungdomar som är beroende av smartphone nått 11.4% av befolkningen, med de översta 2.2% inför svårigheter att leva ut sin vardag på grund av deras beroende [6]. Före spridningen av smartphones tog mobiltelefoner upp en stor del av ungdomars liv till den punkt där vissa rapporterade att de upplevt höga ångestnivåer när deras telefon inte alltid är på [4]. Mobiltelefonberoende och ålder verkar vara omvänt proportionellt, med yngre människor som använder sina telefoner oftare [8], och två gånger mer benägna att erkänna att han är en "mobiltelefonberoende" än vuxna [9]. För ungdomar är telefonbaserad kommunikation ett viktigt sätt att upprätthålla sina sociala relationer [7]. Eftersom smarttelefonberoende blir en stor fråga bland ungdomar, verkar det brådskande att utveckla en skala som kan uppskatta nivåerna och förhållandena för smartphoneberoende bland ungdomar för att skydda dem från missbrukets negativa effekter.

Eftersom distributionen av smartphones är ett relativt nytt fenomen är studier som har definierat de unika symtomen på smartphone-beroende sällsynta. Det närmaste konceptet för smartphone-beroende kan vara mobiltelefonberoende, som anses vara en typ av beteendemissbruk som kännetecknas av problem med impulskontroll. Rapporterade symtom på mobiltelefonberoende inkluderar tillbakadragande, tolerans, störande anpassningsfunktioner, tvång och patologisk nedsänkning [12] och avhållsamhet, brist på kontroll och problem härrörande från användningen, och tolerans och interferens med andra aktiviteter [13]. Befintliga skalor för mobiltelefonberoende [47] [48] [49] har utvecklats baserat på Young [10]'s Internet Addiction Test (IAT) och Goldberg [11]diagnostiska kriterier för internetberoende.

Smartphones skiljer sig dock från mobiltelefoner på fyra huvudsakliga sätt. Först är smarttelefonanvändare mer dynamiskt involverade i enheten än vanliga mobiltelefonanvändare. Smarttelefonanvändare engagerar sig aktivt med själva enheten och innehållet (applikationer) samtidigt och kan spela en roll som producent genom att skapa personliga applikationer. Eftersom applikationer tillåter smarttelefonanvändare att ge omedelbar, ömsesidig feedback tenderar smarttelefonanvändare att vara aktiva, deltagande, relationella, kompetenta och produktiva [15]. Följaktligen har användningen av smarttelefoner visat sig vara direkt proportionell mot applikationsanvändningen [14]. För det andra lägger smartphones större vikt vid de sensoriska funktionerna som stimulerar användarnas uttrycksfulla sida [16]. Smartphons distinkta användargränssnittssystem, som inkluderar pekskärmsmanövrering, tangentbordarrangemang, ikoner, förnuftig design och andra komponenter, gör det möjligt för användaren att avslöja sin egenart [17]. Vikten av den uttrycksfulla aspekten av smarttelefonapplikationer kan också ses i det faktum att användare föredrar applikationer som tillåter flera användare att ha kul tillsammans och att vara socialt uttrycksfulla framför applikationer som bara kan åtnjuts ensamma [18]. För det tredje ger smartphones en konvergens mellan tjänster som kamera, MP3, GPS, webbläsning, samtal, e-post, spel och sociala nätverkstjänster (SNS) [19] [20] på en bärbar enhet. Också kallat "handhållet Internet", gör smartphones bärbarhet möjliggör realtids- och personaliserade tjänster var som helst som inte kunde uppfyllas på en vanlig stationär dator. Dessutom meddelar smarttelefonens "Push Service" användarna med relevanta uppdateringar, till exempel de senaste e-postmeddelandena eller Facebook-svaren, redan innan användaren frågar efter dem [21]. Sådana anpassade tjänster som tillhandahålls av smartphones kan vara till hjälp, men kan också få människor att överanvända sina smartphones [22] [23]. Slutligen visar människor i olika åldersgrupper olika användningsmönster för smarttelefoner. Tonåringar använder främst sina smartphones för kameran, MP3 och andra underhållningsfunktioner; människor i 20-talet använder främst SNS; och människorna i 30- och 40-talet hanterar vanligtvis sina scheman, kontaktlista, e-post och andra affärsrelaterade funktioner [24] [25].

Trots smartphones 'särdrag som nämnts ovan var många av de befintliga skalorna för smartphoneberoende identiska med mobiltelefonberoende skala, med ordet "mobiltelefon" helt enkelt ersatt med "smartphone". En av de senaste, Casey [26] Skalan för smarttelefonberoende hade också extraherat objekt från skalor som mäter andra typer av mediaberoende, såsom mobiltelefonens problemanvändningsskala [27], Internet Addiction Test [10]och TV-beroende skala [28]. Eftersom dessutom mobiltelefonberoende också sågs som en typ av beteendemissbruk beroende på problem med impulskontroll, bestod det vanligtvis av element från internetberoende.

Därför utvecklade den nuvarande studien den koreanska smarttelefonen Addiction Proneness Scale (SAPS) för ungdom genom att lägga till objekt som återspeglar unika egenskaper hos smartphones till Internet Addiction Proneness Scale (IAPS) för ungdom [29]. IAPS är en 20-artikelskala som har använts för att kontrollera graden av internetberoende bland ungdomar i Sydkorea sedan 2007. SAPS som utvecklats genom den aktuella studien kommer att vara ett användbart verktyg för att undersöka fenomenet smartphoneöveranvändning bland ungdomar och kommer i slutändan att bidra till att förhindra smartphone-beroende.

Metod

Deltagare

Denna studie är en sekundär dataanalys av de nationella undersökningsdata från National Information Agency i Koreas projekt om smartphoneberoende som genomfördes 2012 [34]. Forskarna i denna studie hade deltagit i projektet som den huvudsakliga utredaren och assistentforskare. Eftersom detta projekt genomfördes på nationell nivå var de resulterande uppgifterna från ett storskaligt urval som är representativt vad gäller region, ålder och kön. Den distribuerade undersökningen angav uttryckligen syftet med projektet och meddelade deltagarna att de samtycker till att delta genom att fylla i undersökningen. I proportion till den faktiska befolkningsfördelningen över Korea hade 795 grundskole-, medel- och gymnasieelever (461 manliga och 324 kvinnliga) genomfört undersökningen. Regionala byråer valts slumpmässigt från vart och ett av de fyra områdena: Seoul Metropolitan-området, Chungcheong / Gangwon-området, Honam (inklusive Jeju) -området och Yeongnam-området. Många (44.7%) var gymnasieelever, följt av gymnasieelever (37.7%) och gymnasieelever (17.6%).

åtgärder

Demografisk frågeformulär.

Ett demografiskt frågeformulär som innehöll artiklar som rör studentens personliga information, omfattning och karaktär av smarttelefonanvändning och akademisk prestanda inkluderades i enkätpaketet.

Föremål på skala för smarttelefonberoende av skala.

Baserat på de tidigare utvecklade diagnostiska skalorna och forskningsresultaten, såväl som kliniska erfarenheter från många specialister, valdes artiklar som teoretiskt och empiriskt representerar de distinkta egenskaperna hos smartphone-beroende som omfattar skalan. Den preliminära skalan bestod av tjugonio artiklar, och varje artikel fick poäng på en 4-punkts Likert-skala (1 = håller inte mycket med, 2 = håller inte med, 3 = håller med, 4 = håller helt med). De tjugonio preliminära artiklarna var strukturerade kring fyra underdomäner: störning av adaptiva funktioner (9-objekt), uttag (7-objekt), tolerans (6-objekt) och virtuell livsorientering (7-objekt).

Mental hälsoproblem.

För att kontrollera SAPS: s giltighet utvecklades en åtgärd som bedömer psykiska hälsoproblem relaterade till smartphone-beroende. Psykologiska svårigheter som kan följa smartphone-beroende inkluderar ångest, depression, impulsivitet och aggression [50]. Således NEO Youth Personality Test [30] artiklar relaterade till dessa problem (faktorer) modifierades och inkluderades i den nuvarande skalan. Skalan består av 32 artiklar, 8 artiklar för varje faktor. Objekt rankas på en 4-punktsskala (1 = helt oense, 2 = oense, 3 = instämmer, 4 = håller helt med). Mellanartikelkonsistensen för skalan är hög med en Cronbachs alfa på .944 totalt och .865, .870, .820, .878 för varje faktor.

Internet Addiction Proneness Scale for Youth (KS-II).

För att jämföra smartphone-beroende med internetberoende användes 15-objektet KS-II. KS-II utvecklad av National Information Society Agency [31] har genomgått standardiseringsprocessen i Korea genom en rikstäckande fältundersökning. KS-II är strukturerad kring de fyra faktorerna: (1) störning av adaptiva funktioner, (2) tillbakadragande, (3) tolerans och (4) virtuell livsorientering. Objekt rankas på en 4-punktsskala (1 = helt oense, 2 = oense, 3 = instämmer, 4 = håller helt med). Mellanartikelkonsistensen för skalan är hög med en Cronbachs alfa på 87.

Tillvägagångssätt

Först, efter att ha granskat de relaterade skalorna som tidigare utvecklats och undersökt deras teoretiska bakgrund, valde specialister artiklar till ett preliminärt frågeformulär. Denna initiala pool hade ungefär dubbelt så många artiklar som den slutliga skalan. Den preliminära skalan administrerades till studenter och data samlades in. Därefter valdes de slutliga artiklarna ut enligt tillförlitlighetstestresultaten för varje underskala. Slutligen validerades konstruktionsgiltighetsmodellen för varje underdomän på AMOS. En mer detaljerad beskrivning av varje steg i förfarandet är som följer.

Preliminär Smartphone Addiction Proneness Scale for Youth.

En pool med preliminära artiklar för Smartphone Addiction Proneness Scale (SAPS) för ungdomar utvecklades på grundval av resultaten från tidigare litteratur om internetberoende, mobiltelefonberoende och digitala beroende av media. Eftersom smarttelefonen är en mobil enhet som möjliggör internetanvändning användes befintliga skalor för internetberoende som referens. Egenskaperna för digitala beroende av Young föreslog [38] och Greenfield [44] återspeglades också i de utvecklade artiklarna. Med tanke på att smartphones kan ses som avancerade versioner av vanliga mobiltelefoner, befintliga mobiltelefoner [12] [8] undersöktes också. Följaktligen inkluderade SAD: s underdomäner störningar av anpassningsfunktioner, tillbakadragande, tolerans och virtuell livsorientering. Slutligen skapade experter (utbildningsspecialister, psykiatriker) 29 preliminära artiklar som återspeglar dessa fyra underdomäner av smartphone-beroende.

Skaladministration.

SAPS distribuerades i slumpmässigt utvalda grundskolor, gymnasier och gymnasier så att deltagare kan väljas i proportion till den faktiska befolkningsfördelningen över Korea.

Objektval genom tillförlitlighetsanalys.

Tillförlitlighetsanalyser på de 29 preliminära artiklarna utfördes av underdomän. Totalt valdes 15 föremål som verkar adekvata. Slutligen beräknades Cronbachs alfa för den slutliga skalan med 15 artiklar.

Konstruera giltighetsmodell för varje underdomän.

För att bekräfta konstruktionsgiltigheten för SAPS validerades konstruktionsgiltighetsmodellen för varje underdomän på AMOS.

Resultat

Val av slutprodukter genom tillförlitlighetsanalyser på underdomäner

Från de ursprungliga 29 artiklarna raderades eller reviderades objekt som verkade olämpliga för varje underdomän baserat på resultaten av tillförlitlighetsanalyser. För att verifiera tillförlitligheten hos objekten i varje underdomän undersöktes Cronbachs alfa. Objekten som sänkte den totala tillförlitligheten för underdomänen om de raderades, liksom de objekt med den högsta tillförlitligheten valdes för den slutliga skalan. För att upptäcka slarviga eller inkonsekventa svarare inkluderades omvändkodade objekt med hög tillförlitlighet. Tabell 1 nedan visar pålitlighetsresultaten för varje underdomän, och Tabell 2 visar de sista valda 15-artiklarna.

Ladda ner: 

• PPT

  PowerPoint-bildruta

• PNG

  större bild (257KB)

• TIFF

  originalbild (813KB)

Tabell 1. Val av slutprodukter genom tillförlitlighetsanalys på underskalor.

doi: 10.1371 / journal.pone.0097920.t001

Ladda ner: 

• PPT

  PowerPoint-bildruta

• PNG

  större bild (79KB)

• TIFF

  originalbild (343KB)

Tabell 2. Sista artiklar.

doi: 10.1371 / journal.pone.0097920.t002

Pålitlighet

SAPS tillförlitlighet verifierades med en Cronbachs alfa på 0.88.

Giltighet

Kriterium giltighetsanalys.

För att bekräfta kriteriets giltighet hos SAPS jämfördes poängen från SAPS och Mental Health Problems Scale. Tabell 3 visar Pearson-korrelationsresultaten för de två skalorna. Som ett resultat visade sig korrelationskoefficienten vara 0.43. Dessutom var korrelationerna mellan underskalorna i SAPS och Mental Health Problems Scale alla inom 0.49 ~ 0.67-intervallet, vilket bekräftar en viss grad av korrelation.

Ladda ner: 

• PPT

  PowerPoint-bildruta

• PNG

  större bild (28KB)

• TIFF

  originalbild (145KB)

Tabell 3. Korrelationsanalys mellan SAPS och Mental Health Problems Scale.

doi: 10.1371 / journal.pone.0097920.t003

Korrelationen mellan SAPS och KS-II analyserades; Tabell 4 visar resultaten av Pearsons korrelationsanalys. Korrelationskoefficienten 0.49 visade att om poängen på SAPS var hög var KS-II-poängen troligen också hög. Dessutom var korrelationerna mellan subskalorna för KS-II och SAPS mellan 0.12 och 0.51, vilket återigen visade en viss grad av korrelation.

Ladda ner: 

• PPT

  PowerPoint-bildruta

• PNG

  större bild (99KB)

• TIFF

  originalbild (353KB)

Tabell 4. Korrelationsanalyser mellan SAPS och KS-II.

doi: 10.1371 / journal.pone.0097920.t004

Konstruera giltighetsanalys.

Bekräftande faktoranalys utfördes med användning av AMOS 7.0 för att bekräfta faktorstrukturen hos SAPS. För detta sattes faktorstrukturmodellen enligt följande (Figur 1).

Ladda ner: 

• PPT

  PowerPoint-bildruta

• PNG

  större bild (110KB)

• TIFF

  originalbild (496KB)

Bild 1. SAPS: s faktorstruktur.

Den strukturella modellen för de fyra underdomänerna för smarttelefonberoende (störning av anpassningsfunktioner, virtuell livsorientering, tillbakadragande och tolerans) och deras relevanta objekt verkade giltiga.

doi: 10.1371 / journal.pone.0097920.g001

Först var modellpassningsindex NFI, TLI, CFI och RMSEA .943, .902, .962 respektive .034, vilket visade att den relevanta modellen var väl lämpad för data. Därför verkade den strukturella modellen för de fyra underdomänerna för smartphone-beroende (störning av anpassningsfunktioner, virtuell livsorientering, tillbakadragande och tolerans) och deras relevanta objekt vara giltiga.

För att räkna ut hur omfattande varje objekt förklarar de relaterade faktorerna undersöktes regressionskoefficienten för varje observerbar variabel och dess statistiska betydelse. I alla observerbara variabler utom för "virtuell livsorientering" var de standardiserade koefficienterna större än .5 i genomsnitt, vilket var statistiskt signifikant (p<.001). Tabell 5 visar denna statistik.

Ladda ner: 

• PPT

  PowerPoint-bildruta

• PNG

  större bild (87KB)

• TIFF

  originalbild (298KB)

Tabell 5. Regressionskoefficienter av observerbara variabler beträffande varje faktor.

doi: 10.1371 / journal.pone.0097920.t005

Diskussion

Som en del av Koreas nationella informationsbyrå projekt om ungdoms smartphoneberoende som genomfördes 2012 [34], denna studie försökte lägga grunden för förebyggande / interventionsinsatser för ungdomars smarttelefonberoende. Specifikt utvecklade studien en kort skala av 15-objektet för smarttelefonberoende, som skulle kunna användas i landsomfattande insamling av data. Utvecklarna ägde särskild uppmärksamhet åt enkelheten i skalföremål och användarvänligheten vid skaladministration för att underlätta det faktiska utnyttjandet.

Cronbachs alfa för den slutliga SAPS var .880, vilket visar att skalan är tillförlitlig. Befintliga internetberoende eller smartphone-skalor har också rapporterats vara tillförlitliga med Cronbachs alfa ovan .7. Det kan dock vara oklokt att lita på deras tillförlitlighetsvärden eftersom deras datainsamlingsprocess inte var standardiserad eller deras provstorlek var liten. Till exempel Beard and Wolf [37] försökte förbättra Young [38] Diagnostiska kriterier för Internetmissbruk, men deras skalautvecklingsprocess var inte standardiserad. Widyanto och McMurren [39]å andra sidan följde ett standardiserat förfarande för skalutveckling, men lyckades inte samla in tillräckligt med data (n = 86). Dessutom samlade de in data online, vilket kan betyda att deras insamling av data var partisk. Liknande begränsningar finns också bland befintliga skalor för smartphone-beroende. Kwon et al. [36] hade utvecklat en skala baserad på K-skalan och smarta enhetsegenskaper, och rapporterade att skalan hade en Cronbachs alfa på .91. Det måste dock noteras att deras datainsamling ägde rum på två skolor i en viss region i Korea, vilket väckte frågor om skalans tillförlitlighetsvärde. Således kan SAPS i denna studie anses vara mer tillförlitlig jämfört med befintliga skalor eftersom den utvecklades baserat på data som samlats in från 795 studenter över Korea i proportion till den faktiska befolkningsfördelningen i nationen.

SAPS tycktes vara giltigt strukturerat kring fyra underdomäner (adaptiva funktioner, tillbakadragande, tolerans och virtuell livsorientering) av smartphone-beroende. För att besluta om skalans underdomäner undersöktes tidigare forskning med särskild uppmärksamhet åt studier om internetberoendeskalor och diagnostiska kriterier för andra beteendemissbruk. Faktorer som ofta förekommer bland dessa studier samt faktorer som återspeglar egenskaperna hos smartphones inkluderades. En bekräftande faktoranalys utfördes med användning av AMOS 7.0 för att verifiera skalans konstruktionsgiltighet. Slutligen kontrollerades korrelationerna mellan SAPS och KS-II (en internetberoendeskala) såväl som mellan SAPS och Mental Health Problems Scale för att bekräfta SAPS-kriteriets giltighet.

Vågar för internetberoende som har utvecklats och validerats i olika länder varierar i deras faktorstrukturer. Canan et al. [40] utvecklade en skala för internetberoende för turkiska ungdomar och fann att dess artiklar grupperades som en faktor. På liknande sätt har Khazaal et al. [41] utvecklade en internetberoende skala för franska vuxna och fann att dess artiklar grupperades som en enda faktor. Emellertid har andra studier rapporterat att deras artiklar på internetberoende har grupperats i olika faktorer, såsom besatthet, försummelse och kontrollstörning [42] [43]. Koreas mest använda K-skala består också av många faktorer, såsom adaptiva funktioner, tillbakadragande, tolerans och virtuell livsorientering. Som sådan verkar forskare vara oense om underdomänerna för internetberoende skalor, vilket antyder att faktorstrukturen för internetberoende skalor kanske inte är ganska stabil.

Studiens begränsningar och förslag till framtida studier är följande.

För det första är "tolerans", ett underdomän av SAPS och internetberoende skalor, inte en kärnfaktor för beroende enligt Charlton och Danforth [45]. Med andra ord, att använda internet under många timmar i sig kan inte vara ett kriterium för beroende förrän ett sådant beteende resulterar i negativa konsekvenser [35]. Eftersom smartphones är enheter som människor bär runt och använder överallt kan tolerans vara olämplig som kärnfaktorn för smartphone-beroende. Detta kräver ytterligare rikstäckande undersökningar och dataanalyser om detta ämne. Dessutom kan valideringen av skalan förbättras genom att till exempel administrera skalan till populationer av missbrukade och ickeberoende ungdomar för att undersöka skalans diskriminerande giltighet.

Därefter kan SAPS för ungdomar användas i stor utsträckning inom smartphoneberoendeforskning som nu får fart. Dagens digitala medieenheter har snabbt utvecklats från PC-baserade formulär till smartphones och olika surfplattor. Med andra ord, befintliga medier och de senaste medierna går igenom både konkurrens och substitutionsprocess. Eftersom ungdomar idag betraktas som digitala infödingar [46] som aktivt accepterar och använder de mest uppdaterade medierna [32], att undersöka de möjliga biverkningarna av deras medianvändning på deras mentala hälsa verkar angelägen. Överdriven användning av digitala medier kan medföra negativa konsekvenser i fysiska, psykologiska och sociala aspekter av ungdomars liv och kan till och med utlösa brottsligt beteende. Till exempel Kross et al. [33] fann att Facebook-användning inte är till hjälp för social interaktion och är förknippad med låga nivåer av subjektivt psykologiskt välbefinnande. Därför är det nödvändigt att undersöka symtom på smartphone-beroende såväl som effekter av smartphone-beroende på ungdomars mentala hälsa, och SAPS kan användas väl i en sådan strävan.

Författarbidrag

Tänkt och designat experimenten: DK YHL. Analyserade data: JYL YJC. Bidragna reagenser / material / analysverktyg: DK YHL. Skrivade tidningen: DK YHL JYL JEKN YJC.

Referensprojekt

1. 1. Chen J, Yen D, Chen K (2009) Godkännandet och spridningen av den innovativa smartphoneanvändningen. Information och hantering 46: 241 – 248. doi: 10.1016 / j.im.2009.03.001
   • Visa artikel
   • PubMed / NCBI
   • Google Scholar
2. 2. Lapidot-Lefler N, Barak A (2012) Effekter av anonymitet, osynlighet och brist på ögonkontakt på giftig online-hämning. Datorer i mänskligt beteende 28: 434 – 443. doi: 10.1016 / j.chb.2011.10.014
3. Visa artikel
4. PubMed / NCBI
5. Google Scholar
6. Visa artikel
7. PubMed / NCBI
8. Google Scholar
9. Visa artikel
10. PubMed / NCBI
11. Google Scholar
12. Visa artikel
13. PubMed / NCBI
14. Google Scholar
15. 3. Suler J (2004) Onlinedisinhibitionseffekten. CyberPsykologi och beteende 7: 321–326. doi: 10.1089 / 1094931041291295
16. Visa artikel
17. PubMed / NCBI
18. Google Scholar
19. Visa artikel
20. PubMed / NCBI
21. Google Scholar
22. 4. Sohn S (2005) tävling och ersättning av digitala medier: användningsmönster för nyheter, sport och vuxeninnehåll. Journal of Cybercommunication 16: 273 – 308.
23. Visa artikel
24. PubMed / NCBI
25. Google Scholar
26. 5. Song Y, Oh S, Kim E, Na E, Jung H, Park S (2007) Media-användarmönster för ungdomar i en multimediamiljö: En bedömning av köns- och inkomstskillnader. Journal of Communication Research 46 (2): 33 – 65.
27. Visa artikel
28. PubMed / NCBI
29. Google Scholar
30. Visa artikel
31. PubMed / NCBI
32. Google Scholar
33. Visa artikel
34. PubMed / NCBI
35. Google Scholar
36. Visa artikel
37. PubMed / NCBI
38. Google Scholar
39. Visa artikel
40. PubMed / NCBI
41. Google Scholar
42. Visa artikel
43. PubMed / NCBI
44. Google Scholar
45. 6. National Information Society Agency (2011) -rapport om utvecklingen av koreanska smarttelefonberoendeförmåga för ungdom och vuxna.
46. Visa artikel
47. PubMed / NCBI
48. Google Scholar
49. 7. Skierkowski D, Wood RM (2012) Att text eller inte text? Betydelsen av textmeddelanden bland ungdomar i högskolan. Datorer i mänskligt beteende 28: 744 – 756. doi: 10.1016 / j.chb.2011.11.023
50. Visa artikel
51. PubMed / NCBI
52. Google Scholar
53. Visa artikel
54. PubMed / NCBI
55. Google Scholar
56. Visa artikel
57. PubMed / NCBI
58. Google Scholar
59. 8. Lee H (2008) Utforskning av förutsägbara variabler som påverkar beroendeframkallande mobiltelefonanvändning. Koreanska Journal of Social and Personality Psychology 22 (1): 133 – 157.
60. Visa artikel
61. PubMed / NCBI
62. Google Scholar
63. 9. Rapport från National Information Society Agency (2010): Förbättringsplan för lagstiftning om förebyggande och lösning av internetberoende.
64. Visa artikel
65. PubMed / NCBI
66. Google Scholar
67. Visa artikel
68. PubMed / NCBI
69. Google Scholar
70. Visa artikel
71. PubMed / NCBI
72. Google Scholar
73. 10. Young KS (1998) Psykologi för datoranvändning: Beroendeframkallande användning av internet: Ett fall som bryter stereotypen. Psykologiska rapporter 79: 899 – 902. doi: 10.2466 / pr0.1996.79.3.899
74. 11. Goldberg I (1996). Internet beroende störning. Elektroniskt meddelande publicerat i forskningsdiskussionslistan. http://users.rider.edu/~suler/psycyber/s​upportgp.html (öppnades april 20, 2011).
75. Visa artikel
76. PubMed / NCBI
77. Google Scholar
78. Visa artikel
79. PubMed / NCBI
80. Google Scholar
81. 12. Kang H, Son C (2009) Utveckling och validering av skalan för mobiltelefonberoende för ungdomar. Korean Journal of Health Psychology 14 (3): 497 – 510.
82. Visa artikel
83. PubMed / NCBI
84. Google Scholar
85. Visa artikel
86. PubMed / NCBI
87. Google Scholar
88. Visa artikel
89. PubMed / NCBI
90. Google Scholar
91. Visa artikel
92. PubMed / NCBI
93. Google Scholar
94. Visa artikel
95. PubMed / NCBI
96. Google Scholar
97. Visa artikel
98. PubMed / NCBI
99. Google Scholar
100. Visa artikel
101. PubMed / NCBI
102. Google Scholar
103. Visa artikel
104. PubMed / NCBI
105. Google Scholar
106. Visa artikel
107. PubMed / NCBI
108. Google Scholar
109. Visa artikel
110. PubMed / NCBI
111. Google Scholar
112. Visa artikel
113. PubMed / NCBI
114. Google Scholar
115. Visa artikel
116. PubMed / NCBI
117. Google Scholar
118. Visa artikel
119. PubMed / NCBI
120. Google Scholar
121. Visa artikel
122. PubMed / NCBI
123. Google Scholar
124. Visa artikel
125. PubMed / NCBI
126. Google Scholar
127. 13. Choliz M (2010) Mobilberoende: En fråga. Addiction 105 (2): 373 – 375. doi: 10.1111 / j.1360-0443.2009.02854.x
128. 14. Zsolt D, Beatrix S, Sandor R (2008) Trefaktormodellen för internetberoende: Utvecklingen av det problematiska frågeformuläret för Internetanvändning. Metoder för beteendeforskning 40 (2): 563 – 574. doi: 10.3758 / brm.40.2.563
129. 15. Kim D, Tae J (2010) En studie om medlarupplevelser för smarttelefonanvändare. Journal of Korea Humanities Content Society 19: 373 – 394.
130. 16. Kim D, Lee C (2010) Teknologi Trender för Smartphone användargränssnitt. Korea Information Science Society Review 28 (5): 15 – 26.
131. 17. Hwang H, Sohn S, Choi Y (2011) Utforska faktorer som påverkar smarttelefonmissbruk - användarnas egenskaper och funktionella attribut. Korean Journal of Broadcasting 25 (2): 277–313.
132. 18. Kim M (2011) Study on Online and Offline Relationship of Smart Phone SNS Users: Centering on Twitter. Graduate School of Ewha Women's University. Magisteruppsats.
133. 19. Noh M, Kim J, Lee J (2010) Analys av smartphone och konvergens av funktioner genom associeringsanalys. Journal of the Korea Society of Management Information Systems 1: 254 – 259.
134. 20. Apple Pty Ltd. (2011). iPhone-funktioner. http://www.apple.com/au/iphone/features/ Åtkomst till Mar 19 2011.
135. 21. Kim J (2010) Evolution of Mobile Internet Service. OSIA Standards & Technology Review 38 (1): 4–12.
136. 22. Park I, Shin D (2010) Använda användnings- och tacksamhetsteorin för att förstå användningen och tacksamheten för smarttelefoner. Journal of Communication Science 10 (4): 192 – 225.
137. 23. Choi WS (2010) Studie om vikten av funktionella egenskaper hos smartphones. Journal of Information Technology Application & Management 1: 289–297.
138. 24. Digieco Reports (2010) En analys av iPhones socioekonomiska effekt. KT Management Economics Research Institute.
139. 25. Koh Y, Lee H (2010) En studie om förändringar av beteendemönster hos smarttelefonanvändare genom att skugga tidiga iPhone-användare. Journal of Commodity Science 28 (1): 111 – 120.
140. 26. Casey BM (2012) Länkar psykologiska attribut till smarttelefonberoende, ansikte mot ansikte kommunikation, nuvarande frånvaro och socialt kapital. Graduation Project, Graduate School of the Chinese University of Hong Kong.
141. 27. Bianchi A, Phillips JG (2005) Psykologiska prediktorer för problem Mobiltelefonanvändning. CyberPscyhology, Behavior and Social Networking 8 (1): 2152 – 2715.
142. 28. Horvath CW (2004) mäter tv-beroende. Journal of Broadcasting and Electronic Media 48 (3): 378 – 398. doi: 10.1207 / s15506878jobm4803_3
143. 29. Kim DI, Chung Y, Lee E, Kim DM, Cho Y (2008) Utveckling av Internet Addiction Proneness Scale - Short Form. The Korean Journal of Counselling 9 (4): 1703 – 1722.
144. 30. Kim DI (2005). Stort 5 personlighetstest för barn och ungdomar. Seoul, Korea: Hakjisa.
145. 31. National Information Society Agency (2011) Rapport: Tredje standardiseringen av koreanska Internet Addiction Proneness Scale.
146. 32. Kim DI, Lee YH, Lee JY, Kim MC, Keum CM, et al. (2012) Nya mönster i mediaberoende: Är smartphone en ersättning eller ett komplement till Internet? Korean Journal of Youth Counselling 20 (1): 71 – 88.
147. 33. Kross E, Verduyn P, Demiralp E, Park J, et al. (2013) Facebookanvändning förutspår minskningar av subjektivt välbefinnande hos unga vuxna. PLoS ONE 8 (8): e69841. doi: 10.1371 / journal.pone.0069841
148. 34. Rapport från Shin K, Kim DI, Chung Y (2011): Utveckling av koreanska smarttelefonberoendeförmåga för ungdom och vuxna National Information Society Agency.
149. 35. Griffiths MD (2010) Användning av onlinemetoder i datainsamling för spel- och spelberoende. International Journal of Mental Health and Addiction 8: 8 – 20. doi: 10.1007 / s11469-009-9209-1
150. 36. Kwon M, Kim DJ, Cho H, Yang S (2013) Smartphone-beroende skalan: utveckling och validering av en kortversion för ungdomar. PLoS ONE 8 (12): e83558 doi: 10.1371 / journal.pone.0083558.
151. 37. Beard KW, Wolf EM (2001) Modifiering av de föreslagna diagnostiska kriterierna för internetberoende. CyberPsykologi och beteende. 4 (3): 377–383. doi: 10.1089 / 109493101300210286
152. 38. Young KS (1996) Beroendeframkallande användning av internet: ett fall som bryter stereotypen. Psykologiska rapporter 79: 899 – 902. doi: 10.2466 / pr0.1996.79.3.899
153. 39. Widyanto L, McMurren M (2004) De psykometriska egenskaperna hos Internet Addiction Test. CyberPsychology & Behavior 7 (4): 443–450. doi: 10.1089 / cpb.2004.7.443
154. 40. Canan F, Ataoglu A, Nichols LA, Yildirim T, Ozturk O (2010) Utvärdering av psykometriska egenskaper för Internet-beroende skalan i ett prov av turkiska gymnasieelever. Cyberpsychology, Behavior and Social Networking 13 (3): 317 – 320. doi: 10.1089 / cyber.2009.0160
155. 41. Khazaal Y, Billieux J, Thorens G, Khan R, Louati Y, Scarlatti E, et al. (2008) Fransk validering av Internet Addiction Test. CyberPsykologi och beteende 11 (6): 703–706. doi: 10.1089 / cpb.2007.0249
156. 42. Demetrovics Z, Szereredi B, Rozsa S (2008) Trefaktormodellen för internetberoende: Utvecklingen av frågeformuläret Problematic Internet Use. Metoder för beteendeforskning 40 (2): 563 – 574. doi: 10.3758 / brm.40.2.563
157. 43. Kelley KJ, Gruber EM (2010) Psykometriska egenskaper hos den problematiska Internetanvändningsfrågeformulär. Datorer i mänskligt beteende 26: 1838 – 1845. doi: 10.1016 / j.chb.2010.07.018
158. 44. Greenfield DN (1999) Psykologiska egenskaper hos tvångsmässig internetanvändning: En preliminär analys. CyberPsykologi och beteende 8 (5): 403–412. doi: 10.1089 / cpb.1999.2.403
159. 45. Charlton JP, Danforth IDW (2007) Utmärkt beroende och stort engagemang i samband med online-spel. Datorer i mänskligt beteende 23 (3): 1531 – 1548. doi: 10.1016 / j.chb.2005.07.002
160. 46. Prensky M (2001) Digitala infödda, digitala invandrare del 1. På horisonten 9: 1 – 6. doi: 10.1108 / 10748120110424816
161. 47. Park W (2005) Mobiltelefonberoende. Mobil kommunikation. Computer Supported Cooperative Work Vol. 31: 253 – 272. doi: 10.1007 / 1-84628-248-9_17
162. 48. Kang H, Son C (2009) Utveckling och validering av skalan för mobiltelefonberoende för ungdomar. Koreansk journal för hälspsykologi 14 (3): 497 – 510.
163. 49. Koo H (2013) Utveckling av en mobiltelefonberoende skala för koreanska föräldrar till små barn. Barnhälsovårdsforskning 19 (1): 29 – 38. doi: 10.4094 / chnr.2013.19.1.29
164. 50. Keum C (2013) Forskning kring smutsberoende och mentalhälsoproblem för mellan- och gymnasieelever i Korea. Seoul National University Master's Thesis.