(CAUSATION) ความสัมพันธ์ซึ่งกันและกันระหว่างการติดอินเทอร์เน็ตและการรับรู้เกี่ยวกับการปรับเปลี่ยนเครือข่ายที่เกี่ยวข้องกับเครือข่ายในหมู่นักศึกษาวิทยาลัยจีน: การวิเคราะห์ข้าม Lagged ระยะยาว (2017)

ฮันพิวโอะ^1,2, เป็งหวาง¹, ชิงหนานหลิน², หยูเทียน¹, Fengqiang Gao^1* และ Yingmin Chen^1*

• ¹คณะวิชาจิตวิทยา, มหาวิทยาลัยครูชานตง, จี่หนาน, จีน
• ²ภาควิชาการศึกษาก่อนวัยเรียน, Heze University, Heze, China

การศึกษาครั้งนี้สำรวจความสัมพันธ์ซึ่งกันและกันระหว่างการติดอินเทอร์เน็ต (IA) และการรับรู้ maladaptive (NMC) ที่เกี่ยวข้องกับเครือข่ายในนักศึกษาวิทยาลัยจีน การสำรวจระยะยาวระยะสั้นด้วยตัวอย่างของนักศึกษา 213 วิทยาลัยได้ดำเนินการในมณฑลซานตงประเทศจีน ผลการวิจัยพบว่าไอโอวาสามารถทำนายการสร้างและการพัฒนาของ NMC ได้อย่างมีนัยสำคัญและเมื่อมีการสร้างความรู้ความเข้าใจที่ปรับไม่ได้เช่นนั้นพวกเขาสามารถส่งผลกระทบในทางลบต่อขอบเขตของ IA ของนักเรียน วัฏจักรชั่วร้ายถูกตรวจพบระหว่างตัวแปรทั้งสองนี้โดยที่ IA มีลำดับความสำคัญที่คาดการณ์ได้ในความสัมพันธ์กับ NMC การศึกษานี้ยังระบุว่าความสัมพันธ์ระหว่างตัวแปรทั้งสองนี้เหมือนกันสำหรับทั้งชายและหญิง ดังนั้นรูปแบบสุดท้ายที่เราจัดตั้งขึ้นสามารถนำไปใช้อย่างกว้างขวางกับนักศึกษาวิทยาลัยจีนโดยไม่คำนึงถึงเพศ การทำความเข้าใจความสัมพันธ์ซึ่งกันและกันระหว่างตัวแปรทั้งสองนี้สามารถช่วยในการแทรกแซงใน IA เมื่อเริ่มแรกของชีวิตนักศึกษาวิทยาลัย

บทนำ

นับตั้งแต่ก่อตั้งขึ้นใน 1990s อินเทอร์เน็ตได้ค่อยๆกลายเป็นส่วนสำคัญของชีวิตประจำวันในประเทศจีนโดยเฉพาะอย่างยิ่งในหมู่วัยรุ่นที่มีอายุ 10 – 21 ปี (Daniel และคณะ, 2012; Liu et al., 2012) ให้เป็นไปตาม รายงานสถิติ 36th เรื่องการพัฒนาอินเทอร์เน็ตในประเทศจีนซึ่งเผยแพร่โดยศูนย์ข้อมูลเครือข่ายอินเทอร์เน็ตจีน (CNNIC) จำนวนผู้ใช้อินเทอร์เน็ตวัยรุ่นในประเทศจีนเพิ่มขึ้นอย่างรวดเร็วจาก 120 ล้านใน 2002 เป็น 287 ล้านใน 2016 (Tian และคณะ, 2017).

อินเทอร์เน็ตก่อให้เกิดประโยชน์มากมายเช่นการเชื่อมต่อสังคมที่ดีขึ้นและความเป็นอยู่ที่ดี (Bessière et al., 2008; Young and de Abreu, 2011) อย่างไรก็ตามการติดอินเทอร์เน็ต (IA) ซึ่งมีลักษณะการใช้อินเทอร์เน็ตมากเกินไปหรือบังคับ (Young และคณะ, 1999; Shek et al., 2013; Yang et al., 2014) มีผลกระทบเชิงลบมากมาย (โจเซฟและคณะ 2016) จากการศึกษาจำนวนมากแสดงให้เห็นว่า IA สามารถส่งผลเสียต่อสุขภาพร่างกายและจิตใจ (Ayas และ Horzum, 2013; Georgios et al., 2014; Mike และ Zhong, 2014) ตัวอย่างเช่นวัยรุ่นที่มี IA มักพบกับความวิตกกังวลซึมเศร้าเหงาความนับถือตนเองต่ำและความสัมพันธ์ระหว่างบุคคลที่ไม่ดี (Tokunaga และ Rains, 2010; Georgios et al., 2014; Mike และ Zhong, 2014) ซึ่งอาจส่งผลเสียต่อความเป็นอยู่ของพวกเขา (Tokunaga และ Rains, 2010; Georgios et al., 2014; Mike และ Zhong, 2014) และการพัฒนาทางวิชาการ (จวง 2006; Kim et al., 2008; ไจ่และคณะ 2009; Ahmadi และ Saghafi, 2013) ดังนั้นการศึกษา IA ในวัยรุ่นจึงมีความสำคัญต่อการศึกษาและสังคม

ความสัมพันธ์ระหว่าง IA และ NMC

เครือข่ายที่เกี่ยวข้องกับการรับรู้ maladaptive (NMC) ได้รับความคิดที่มีบทบาทสำคัญในการ IALi et al., 2013) ตามโมเดลความรู้ความเข้าใจ - พฤติกรรม (เดวิส 2001), พยาธิวิทยา (เช่นความหดหู่และความวิตกกังวลทางสังคม) เป็นสาเหตุที่ทำให้เกิดอาการของ IA ที่ไม่จำเป็นซึ่งอยู่ในตัวของมันเองทำให้เกิดอาการของ IA ปัจจัยสำคัญใน IA คือ NMC ซึ่งเป็นสาเหตุที่เพียงพอใกล้เคียง (Daniel และคณะ, 2012; รูป 1) การศึกษาจำนวนมากได้รายงานว่าพยาธิวิทยาปลายทำให้บุคคลที่มีความเสี่ยงต่อ IA ผ่าน NMC (Kalkan, 2012; ใหม่และอัล 2012; หลี่และวัง 2013; Lu และ Yeo, 2015) ตัวอย่างเช่นนักวิจัยตรวจสอบความสัมพันธ์พื้นฐานระหว่างอารมณ์ (เช่นการควบคุมความพยายามการแสวงหาความรู้สึกสูงและความโกรธหรืออารมณ์หงุดหงิด dispositional สูง) และการพัฒนาของ IA; ผลการวิจัยพบว่าอารมณ์บางอย่างมีผลต่อระดับของ IA ผ่านอารมณ์ความรู้สึกที่มีต่อการรับรู้พฤติกรรมออนไลน์ (จางและคณะ, 2015). Tian และคณะ (2017) ตรวจสอบความสัมพันธ์ซึ่งกันและกันในหมู่ความประหม่า, ความรู้ความเข้าใจ maladaptive และการใช้งานอินเทอร์เน็ตพยาธิวิทยาทั่วไป (GPIU) ในตัวอย่างจีน ผลการศึกษาชี้ให้เห็นว่าการเชื่อมโยงระหว่างตัวแปรเหล่านี้เป็นแบบไดนามิกและแบบสองทิศทางและความรู้ความเข้าใจ maladaptive ที่เพิ่มขึ้นนั้นเป็นการสื่อความสัมพันธ์ระหว่างความประหม่าและ GPIU แบบสองทิศทาง นอกจากนี้การศึกษาอื่น ๆ ได้ระบุว่ารูปแบบการอบรมเลี้ยงดูและความสัมพันธ์กับเพื่อนอาจทำให้คนอื่นหลงเสน่ห์ NMC ซึ่งจะส่งผลต่อระดับของ IA (Li et al., 2013; วังและคณะ, 2015).

   

รูป 1 รูปแบบความรู้ความเข้าใจพฤติกรรมของการใช้อินเทอร์เน็ตทางพยาธิวิทยา (เดวิส 2001).

นอกจากนี้การศึกษาอื่น ๆ อีกมากมายได้มุ่งเน้นไปที่การติดเกมอินเทอร์เน็ตและตรวจสอบความสัมพันธ์กับความรู้ความเข้าใจผิด King and Delfabbro (2014) เสนอรูปแบบใหม่ที่ให้คำอธิบายทางทฤษฎีของต้นกำเนิดและการเกิดโรคของการติดเกมอินเทอร์เน็ต ผู้เขียนระบุความรู้ความเข้าใจผิดสี่ประการเกี่ยวกับการติดเกมอินเทอร์เน็ตซึ่ง ได้แก่ การ overvaluing, กฎ maladaptive, การเห็นคุณค่าในตนเองของเกมและการยอมรับในการเล่นเกม จากการศึกษาเชิงประจักษ์พบว่าวัยรุ่นที่มีอาการติดเกมทางอินเทอร์เน็ตรายงานว่ามีการปรับตัวที่ผิดพลาดมากกว่าเด็กที่ไม่มีอาการเหล่านี้ (Zhou และคณะ, 2012; Liu et al., 2014; King และ Delfabbro, 2016). Peng and Liu (2010) รายงานว่าการวัดระดับสติปัญญาห้ารายการทำนายการเสพติดการเล่นเกมอินเทอร์เน็ตอย่างมีนัยสำคัญในผู้ใหญ่ชาวจีน ฟอเรสต์และคณะ (2016) ตรวจสอบความรู้ความเข้าใจที่ไม่เหมาะสมที่เกี่ยวข้องกับการเล่นวิดีโอเกมที่มีปัญหาในตัวอย่างของผู้ใหญ่ 465 ชาวออสเตรเลีย ผลการวิจัยพบว่าความรู้ความเข้าใจที่มีปัญหาเหล่านี้มีความสัมพันธ์กับการติดเกมอินเทอร์เน็ตในระดับปานกลาง ฟอเรสต์และคณะ (2017) สำรวจว่าการรู้แจ้งแบบปรับไม่ได้สามารถทำนายการเปลี่ยนแปลงในอนาคตของการเล่นเกมวิดีโอที่มีปัญหาโดยใช้การศึกษาระยะยาว 12 เดือน ผลการวิจัยพบว่าการเปลี่ยนแปลงทางปัญญาคิดเป็นร้อยละ 28 ของความแปรปรวนในคะแนนการเล่นเกมที่มีปัญหาเกินกว่าเพศอายุและความถี่ของการเล่นเกม

แม้ว่าการศึกษาจำนวนหนึ่งได้ระบุถึงอิทธิพลของ NMC ที่มีต่อ IA แต่มีงานวิจัยจำนวนน้อยที่สำรวจอิทธิพลที่เป็นไปได้ของ IA ใน NMC ทฤษฎีความไม่ลงรอยกันทางปัญญา (Festinger, 1957) ซึ่งส่วนใหญ่เกี่ยวข้องกับประสบการณ์ของผู้คนและการตอบสนองต่อความไม่สอดคล้องภายในการคิดและระหว่างพฤติกรรมและการคิดให้คำอธิบายทางเลือกว่า NMC เกี่ยวข้องกับ IA อย่างไร เมื่อผู้คนตระหนักถึงความไม่สอดคล้องกันพวกเขาจะรู้สึกไม่สบายหรือไม่ลงรอยกันซึ่งกระตุ้นความพยายามที่จะลดประสบการณ์เหล่านี้และฟื้นความมั่นคงผ่านการปรับทัศนคติการรับรู้หรือพฤติกรรมจนกระทั่งความไม่สอดคล้องดังกล่าวได้รับการแก้ไข (เดอไวริสและทิมมินส์ 2016) ตามทฤษฎีนี้เมื่อผู้คนประพฤติตนไม่สอดคล้องกับค่านิยมของพวกเขาเช่นโดยการดื่มด่ำกับอินเทอร์เน็ตเมื่อมันได้รับผลกระทบในทางลบต่อชีวิตของพวกเขาพวกเขาประสบความไม่ลงรอยกันในรูปแบบของความเสียใจ; สิ่งนี้เกิดขึ้นกับความรู้สึกของความรับผิดชอบส่วนบุคคลสำหรับผลกระทบด้านลบของพฤติกรรมของพวกเขา คนส่วนใหญ่สามารถปรับพฤติกรรมให้ประสบความสำเร็จเพื่อลดความไม่ลงรอยกันนี้ อย่างไรก็ตามบางคนอาจลดความไม่ลงรอยกันโดยเปลี่ยนทัศนคติของพวกเขาที่มีต่ออินเทอร์เน็ตซึ่งจะช่วยลดความไม่ลงรอยกันของพวกเขาในขณะที่ยังคงรักษาพฤติกรรมที่มีปัญหา Chiou and Wan (2007) ตรวจสอบกระบวนการนี้ด้วยตัวอย่างของผู้เล่นวิดีโอเกม ผลการวิจัยพบว่าผู้เล่นที่มีความรับผิดชอบต่อพฤติกรรมของพวกเขามีแนวโน้มที่จะเปลี่ยนทัศนคติของพวกเขาไปสู่วิดีโอเกมจากบวกเป็นลบในขณะที่ผู้เล่นที่ลงทุนสูงในการเล่นวิดีโอเกมมีแนวโน้มที่จะมีพฤติกรรมทัศนคติที่แตกต่างน้อยลง

งานวิจัยเกี่ยวกับ IA ในหมู่นักศึกษาวิทยาลัย

การศึกษาที่หลากหลายได้ชี้ให้เห็นว่าวัยรุ่นเป็นส่วนใหญ่ของผู้ใช้อินเทอร์เน็ตและนักศึกษาที่มีความเสี่ยงโดยเฉพาะอย่างยิ่งกับ IA เพราะเข้าถึงอินเทอร์เน็ตได้ง่ายตารางเวลาที่ยืดหยุ่นและความสามารถในการควบคุมพฤติกรรมต่ำลง (ชอว์และแบล็ก 2008; Fu et al., 2010; Georgios et al., 2014; Yang et al., 2014) นอกจากนี้จุดเริ่มต้นของชีวิตในวิทยาลัยเป็นช่วงเวลาการพัฒนาสำหรับนักเรียนในช่วงเปลี่ยนผ่านจากการพึ่งพาความสัมพันธ์ระหว่างบุคคลที่ค่อนข้างสูง (ไม่เพียง แต่ความสัมพันธ์ในครอบครัว แต่ยังรวมถึงเพื่อนและความสัมพันธ์ทางสังคมอื่น ๆ ; Woodhouse et al., 2012) การศึกษาก่อนหน้านี้ได้รายงานว่าการใช้อินเทอร์เน็ตที่ไม่มีการควบคุมมีความสัมพันธ์อย่างใกล้ชิดกับการสื่อสารและการดูแลของครอบครัวที่ลดลง (Van den Eijnden et al., 2010; Liu et al., 2012) ดังนั้นการเปลี่ยนแปลงความสัมพันธ์ระหว่างบุคคลจึงทำให้นักศึกษาใหม่ตกอยู่ในความเสี่ยงในการพัฒนา IA (จางและคณะ, 2014).

นอกจากนี้นักศึกษาจะต้องผ่านชุดของการสอบอย่างเข้มงวดเพื่อเข้าเรียนในวิทยาลัยในประเทศจีนและมักจะมีเวลาไม่เพียงพอสำหรับการสะท้อนตนเองในช่วงมัธยมปลาย ดังนั้นเมื่อเผชิญหน้ากับชีวิตในวิทยาลัยการขาดการศึกษาและทักษะความสัมพันธ์ระหว่างบุคคลอาจทำให้พวกเขารู้สึกสับสน (Ni et al., 2009) นอกจากนี้เนื่องจากเวลาว่างมากมายและการเข้าถึงอินเทอร์เน็ตไม่ จำกัด ผ่านเครื่องมือไร้สายหลายครั้งนักศึกษาวิทยาลัยมีแนวโน้มที่จะใช้จ่ายจำนวนมากเวลาออนไลน์และดังนั้นจึงมีโอกาสมากที่จะพบอาการของ IA ในช่วงเวลาที่ไม่ซ้ำกันนี้ (เฉิน 2012) เพื่อให้กลยุทธ์การป้องกันและการแทรกแซงสำหรับ IA, การศึกษาระยะยาวระยะสั้นได้ดำเนินการในช่วงภาคเรียนแรกที่วิทยาลัย

การศึกษาปัจจุบัน

แม้ว่านักวิจัยจำนวนมากได้ตรวจสอบความสัมพันธ์ระหว่าง IA และ NMC แต่ส่วนใหญ่ได้ใช้วิธีการแบบตัดขวาง ดังนั้นการระบุความสัมพันธ์ซึ่งกันและกันระหว่างตัวแปรทั้งสองนี้จึงเป็นเรื่องยาก (โจเซฟและคณะ 2016) นอกจากนี้แม้ว่าความน่าจะเป็นของนักเรียนที่พัฒนา IA นั้นสูงขึ้นอย่างมากในช่วงเริ่มต้นของวิทยาลัย (หลี่และเหลียง 2007; Ni et al., 2009) ผู้เข้าร่วมการศึกษาก่อนหน้านี้มักจะเป็นนักศึกษาวิทยาลัยทุกวัยโดยที่นักเรียนในภาคการศึกษาแรกของพวกเขามีส่วนร่วมน้อยลง ดังนั้นการศึกษาครั้งนี้จึงได้ทำการวิเคราะห์แบบข้ามความล่าช้าเพื่อสำรวจความสัมพันธ์ระหว่าง IA และ NMC ในหมู่นักศึกษาในช่วงปิดเทอมแรกของชีวิตในวิทยาลัย จากการศึกษาเชิงทฤษฎีและเชิงประจักษ์ก่อนหน้านี้อาจมีความสัมพันธ์ซึ่งกันและกันระหว่างตัวแปรทั้งสองนี้ ดังนั้นเราจึงเสนอรูปแบบการโต้ตอบ (รูปที่ 2) และทดสอบสมมติฐานสามข้อเกี่ยวกับความสัมพันธ์ระหว่างตัวแปรทั้งสองนี้

   

รูป 2 รูปแบบสมมติฐาน

H1 มีการข้ามเส้นทางข้ามเชิงบวกและที่สำคัญจาก IA ถึง NMC และ NMC เป็นตัวทำนายที่มีประสิทธิภาพของ IA ในหมู่นักศึกษาวิทยาลัยจีน

H2 เส้นทางข้ามที่ล้าหลังจาก IA ถึง NMC นั้นมีระดับที่สำคัญและระดับของ IA นั้นจะส่งผลกระทบต่อ NMC

H3 โดยทั่วไปความสัมพันธ์ระหว่าง IA และ NMC สามารถนำไปใช้กับเพศชายและเพศหญิงได้

วัสดุและวิธีการ

ผู้เข้าร่วมกิจกรรม

จำนวนครั้งแรกของนักศึกษาวิทยาลัยที่มีอยู่สำหรับการเข้าร่วมคือผู้เข้าร่วม 300 ทุกคนได้รับการลงทะเบียนในสองวิทยาลัยที่ตั้งอยู่ในสองเมือง (คือจี่หนานและ Heze) ในมณฑลซานตงประเทศจีน การรวบรวมข้อมูลได้ดำเนินการในช่วงต้นเดือนกันยายนของ 2015 (T1), 2 เดือนต่อมา (T2) และจากนั้น 4 เดือนต่อมา (T3) เมื่อการรวบรวมข้อมูลครั้งแรกนักเรียน 300 เหล่านี้ทั้งหมดทำการวัดเสร็จสมบูรณ์ อย่างไรก็ตามที่คลื่นที่ตามมา 87 ของนักเรียน 300 เหล่านี้ถอนตัวออกกลางคัน การไม่มีส่วนร่วมเกิดจากการขาดงานหรือเจ็บป่วย (อัตราการมีส่วนร่วม: 71.00%) ดังนั้นนักเรียน 213 ยังคงอยู่สำหรับการวิเคราะห์ข้อมูลขั้นสุดท้าย (104 เพศชายและเพศหญิง 109) โดยมีช่วงอายุตั้งแต่ 17 ถึง 21 ปี (M = 18.87 ปี SD = 0.76 ปี) เพื่อที่จะตรวจสอบว่าข้อมูลของนักเรียนที่ถอนกลางคัน (นักเรียน 87) แตกต่างจากผู้ที่ไม่ได้ถอน (นักเรียน 213) ด้วยความเคารพต่อตัวแปรใด ๆ ที่รวมอยู่ในการศึกษานี้ชุดของ t- การทดสอบดำเนินการโดยใช้ข้อมูลที่รวบรวมในการรวบรวมข้อมูลครั้งแรก ไม่มีการวิเคราะห์เหล่านี้มีนัยสำคัญ ผู้เข้าร่วมทั้งหมดมีประสบการณ์อินเทอร์เน็ตและรวมอยู่ในการศึกษานี้ ผู้เข้าร่วมใช้อินเทอร์เน็ตเป็นเวลาเฉลี่ย 5.59 ปี (SD = 2.06) เมื่อเริ่มต้นชีวิตวิทยาลัย รวบรวมข้อมูลเกี่ยวกับที่พักอาศัยของนักเรียนที่ลงทะเบียน: 43.19% อาศัยอยู่ในเมืองใหญ่ 35.68% อาศัยอยู่ในเมืองและ 21.13% อาศัยอยู่ในหมู่บ้าน นอกจากนี้ไฟล์จะถูกสร้างขึ้นสำหรับนักเรียนแต่ละคน (ไฟล์เหล่านี้รวมถึงข้อมูลพื้นฐานของพวกเขาเช่นเดียวกับสถานะสุขภาพกายและสุขภาพจิต) เมื่อพวกเขาเข้าวิทยาลัย ตามไฟล์ไม่มีผู้เข้าร่วมมีความผิดปกติทางจิตเวชหรือทางระบบประสาท การศึกษาครั้งนี้ดำเนินการตามคำแนะนำด้านจริยธรรมของมหาวิทยาลัยชานตงปกติและประกาศของเฮลซิงกิโดยได้รับความยินยอมเป็นลายลักษณ์อักษรจากผู้เข้าร่วมทั้งหมด โปรโตคอลนี้ได้รับการอนุมัติจากคณะกรรมการจริยธรรมการวิจัยมนุษย์ของมหาวิทยาลัยชานตงปกติ

เครื่องมือ

การเสพติดอินเทอร์เน็ต

การศึกษาในปัจจุบันได้นำมาตราการติดอินเทอร์เน็ตของจีนที่ได้รับการแก้ไข (CIAS-R; ไป่และแฟน 2005) CIAS-R มีรายการ 19 ที่สามารถแบ่งออกเป็นสี่ปัจจัย: การใช้งานและการถอน (เช่น "ฉันรู้สึกหดหู่ในช่วงระยะเวลาหนึ่งโดยไม่มีการเข้าถึงอินเทอร์เน็ต") ความอดทน (เช่น "ฉันพบว่าตัวเองต้องใช้จ่ายในปริมาณที่เพิ่มขึ้น เวลาออนไลน์รู้สึกพึงพอใจ”) ปัญหาการจัดการเวลา (เช่น“ การศึกษาหรือการปฏิบัติงานของฉันได้รับผลกระทบจากการใช้อินเทอร์เน็ตของฉัน”) และปัญหาระหว่างบุคคลและสุขภาพ (เช่น“ ฉันลดเวลานอนให้มีเวลามากขึ้น ออนไลน์”) การตอบสนองแต่ละครั้งจะถูกวัดโดยใช้มาตราส่วนแบบ Likert ประเภท 4 ที่มีคะแนนตั้งแต่ 1 (ไม่จริงเลย) ถึง 4 (จริงเสมอ) ดังนั้นคะแนนเฉลี่ยที่สูงขึ้นหมายถึงระดับที่สูงขึ้นของ IA ระดับดังกล่าวได้ถูกนำไปใช้ในการศึกษาล่าสุดของนักศึกษาจีนและแสดงให้เห็นถึงความน่าเชื่อถือและความถูกต้องสูง (Tian และคณะ, 2015) ในการศึกษาปัจจุบันสัมประสิทธิ์อัลฟ่าสำหรับสเกลคือ 0.92 ที่ T1, 0.95 ที่ T2 และ 0.91 ที่ T3

การรับรู้ Maladaptive ที่เกี่ยวข้องกับเครือข่าย

การศึกษาครั้งนี้นำมาใช้มาตราส่วนความรู้ความเข้าใจ Maladaptive ที่แก้ไขโดยเหลียง; ระดับเดิมคือมาตรวัดความรู้ความเข้าใจออนไลน์ซึ่งได้รับการพัฒนาบนพื้นฐานของแบบจำลองความรู้ความเข้าใจ - พฤติกรรมที่เสนอโดยเดวิส (Tian และคณะ, 2015) ระดับที่ปรับปรุงใหม่มีรายการ 14 ที่สามารถแบ่งออกเป็นสามปัจจัย: ความสะดวกสบายทางอินเทอร์เน็ต (เช่น "ฉันได้รับความเคารพออนไลน์มากกว่าใน 'ชีวิตจริง' '), การควบคุมแรงกระตุ้นลดลง (เช่น" เมื่อฉันอยู่บนอินเทอร์เน็ตฉันมักจะ รู้สึก 'เร่งด่วน' หรืออารมณ์สูง” และความว้าวุ่นใจ (เช่น“ การใช้อินเทอร์เน็ตเป็นวิธีที่จะลืมสิ่งที่ฉันต้องทำ แต่ไม่อยากทำจริงๆ”) ผู้เข้าร่วมให้คะแนนว่าจริง ๆ แล้วแต่ละคำสั่งอยู่ในระดับประเภท Likert 5 - จุดด้วยคะแนนตั้งแต่ 1 (ไม่จริงเลย) ถึง 5 (จริงเสมอ) ดังนั้นคะแนนเฉลี่ยที่สูงขึ้นหมายถึงระดับ NMC ที่สูงขึ้นเกี่ยวกับการใช้อินเทอร์เน็ต ระดับนี้ถูกนำไปใช้ในการศึกษาก่อนหน้านี้กับนักศึกษาจีน (Tian และคณะ, 2015, 2017) ในการศึกษาปัจจุบันสัมประสิทธิ์อัลฟ่าสำหรับสเกลคือ 0.87 ที่ T1, 0.90 ที่ T2 และ 0.90 ที่ T3

การวิเคราะห์ทางสถิติ

ในการศึกษานี้เราใช้การออกแบบแบบข้ามแผงอย่างสมบูรณ์เพื่อตรวจสอบความสัมพันธ์แบบทิศทางเดียวและแบบสองทิศทางระหว่าง IA และ NMC ในนักศึกษาวิทยาลัยจีน (Van Lier และคณะ 2012) โมเดลทั่วไปประกอบด้วยมาตรการของ IA และ NMC ที่ T1, T2 และ T3 เราเสนอและทดสอบแบบจำลองสี่แบบซึ่งเป็นตัวแทนของกลไกที่เป็นไปได้ระหว่างตัวแปรทั้งสอง อันดับแรกเราเสนอ "แบบจำลองเสถียรภาพ" (Model 1, รูปที่ 3) ที่รวมเฉพาะเอฟเฟกต์ความมั่นคงข้ามเวลา ประการที่สองโมเดลองค์ความรู้และพฤติกรรม (Model 2, Figure 3) ถูกเสนอให้ตรวจสอบว่า NMC ณ จุดหนึ่งสามารถทำนาย IA ณ จุดเวลาต่อไปนี้ได้หรือไม่ ประการที่สามเราเสนอ“ แบบจำลองพฤติกรรม - ความรู้ความเข้าใจ” (Model 3, รูปที่ 3) เพื่อตรวจสอบว่า IA ณ จุดเวลาหนึ่งสามารถทำนาย NMC ณ จุดเวลาต่อไปนี้ สุดท้ายเราเสนอ "แบบจำลองซึ่งกันและกัน - สาเหตุ" (รุ่น 4, รูปที่ 3) ที่สำรวจอิทธิพลซึ่งกันและกันระหว่าง IA และ NMC นอกจากนี้ยังมีการวิเคราะห์ข้ามกลุ่มข้ามกลุ่มบนพื้นฐานของเพศเพื่อดำเนินการตรวจสอบว่าความสัมพันธ์ระหว่างตัวแปรสำคัญสองตัวที่แตกต่างกันระหว่างเพศชายและหญิง

   

รูป 3 ผลลัพธ์จากการวิเคราะห์แบบข้ามล้าหลัง เส้นที่มีลูกศรลูกศรเดี่ยวแทนค่าสัมประสิทธิ์เส้นทางและเส้นที่มีลูกศรสองเส้นเป็นตัวแทนของความแปรปรวนร่วม เส้นประบ่งบอกถึงค่าสัมประสิทธิ์ที่ไม่สำคัญและเส้นทึบแสดงค่าสัมประสิทธิ์ที่สำคัญ ^***บ่งชี้ว่าสัมประสิทธิ์มีนัยสำคัญที่ระดับ 0.001 ^**บ่งชี้ว่าสัมประสิทธิ์มีความสำคัญในระดับ 0.01 และ ^{* * * *}บ่งชี้ว่าสัมประสิทธิ์มีนัยสำคัญที่ระดับ 0.05

การสร้างแบบจำลองสมการโครงสร้างพร้อมตัวแปรแฝงเพื่อทดสอบตัวแบบตั้งสมมติฐานในการศึกษานี้ ตามคำแนะนำของ Holbert and Stephenson (2002)ประเมินความดีของแบบจำลองโดยใช้ดัชนีที่หลากหลาย χ² การประมาณค่ากับองศาความเป็นอิสระยังคงเป็นวิธีที่ใช้กันมากที่สุดในการเปรียบเทียบระหว่างรุ่นต่างๆ อัตราส่วนระหว่างχ² และองศาอิสระไม่ควรเกิน 5 สำหรับรุ่นที่มีขนาดพอดี นอกจากนี้เราได้รายงานดัชนีพอดีเปรียบเทียบ (CFI) พร้อมกับดัชนี Tucker – Lewis (TLI) และค่ารูทข้อผิดพลาดรูตของการประมาณ (RMSEA) โดยทั่วไปค่า CFI และ TLI ของ 0.95 หรือสูงกว่าสะท้อนให้เห็นถึงความพอดีและค่า RMSEA ต่ำกว่า 0.06 บ่งบอกถึงความพอดีที่ยอดเยี่ยมในขณะที่ค่าระหว่าง 0.06 และ 0.08 บ่งบอกถึงความพอดี (หยวนและคณะ, 2014) ยิ่งไปกว่านั้นχ² ทดสอบความแตกต่าง (Δχ²) ถูกใช้เพื่อเปรียบเทียบความพอดีของโมเดลที่ซ้อนกัน Δχที่ไม่สำคัญ² การทดสอบบ่งชี้ว่าทั้งสองรุ่นให้ความพอดีกับข้อมูลในขณะที่ whereas ที่สำคัญ² แสดงให้เห็นว่าควรรักษาแบบจำลองที่มีข้อ จำกัด น้อยกว่า (Tian และคณะ, 2017).

ผลสอบ

การวิเคราะห์เชิงพรรณนา

ค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานของตัวแปรหลักในการศึกษานี้นำเสนอในตาราง 1. มาตรการที่ซ้ำ ๆ ANOVA ดำเนินการเพื่อสำรวจอิทธิพลของเพศและเวลาการวัดที่มีต่อ 'IA และ NMC ของผู้เข้าร่วม ("เพศ" เป็นตัวแปรระหว่างอาสาสมัครและ "เวลาการวัด" เป็นตัวแปรภายในเรื่อง) ผลการวิจัยพบว่าไม่มีความแตกต่างอย่างมีนัยสำคัญระหว่างเพศในแง่ของตัวแปรตามสอง (F = 0.10, p = 0.749; F = 0.02, p = 0.822) เมื่อเวลาผ่านไประดับ IA เพิ่มขึ้นอย่างมากจาก T1 เป็น T3 ในหมู่นักศึกษาวิทยาลัย (F = 28.71, p <0.001) ผลลัพธ์ของ โพสต์เฉพาะกิจ การทดสอบระบุว่าระดับของ IA ที่วัดที่ T3 นั้นสูงกว่าระดับที่ T2 อย่างมีนัยสำคัญ (p <0.01) และ T1 (p <0.001) และระดับของ IA ที่วัดได้ที่ T2 สูงกว่าที่ T1 อย่างมีนัยสำคัญ (p <0.001) นอกจากนี้ความแตกต่างที่มีนัยสำคัญเล็กน้อยใน NMC เมื่อวัดในเวลาที่ต่างกัน (F = 2.93, p = 0.055) ผลของการ โพสต์เฉพาะกิจ การทดสอบพบว่าระดับของ IA ที่วัดที่ T3 นั้นสูงกว่าระดับที่ T1 อย่างมีนัยสำคัญ (p <0.05) และมีความแตกต่างอย่างมีนัยสำคัญเล็กน้อยใน NMC เมื่อวัดที่ T1 และ T2 (p = 0.065) อย่างไรก็ตามไม่มีความแตกต่างอย่างมีนัยสำคัญใน NMC เมื่อวัดที่ T2 และ T3 (p = 0.846) ปฏิสัมพันธ์ระหว่างเพศและเวลาในการวัดตัวแปรทั้งสองไม่ถึงระดับที่สำคัญ (F = 0.38, p = 0.682; F = 0.24, p = 0.791)

   

ตาราง 1 สถิติเชิงพรรณนาของ IA และ NMC (n = 213)

ดังแสดงในตาราง 2ความสัมพันธ์ที่แปรปรวนระหว่าง IA และ NMC ที่ T1, T2 และ T3 รวมถึงสหสัมพันธ์ข้ามที่ล่าช้าระหว่างตัวแปรทั้งสองนั้นมีนัยสำคัญและเป็นบวกซึ่งแสดงถึงความสัมพันธ์เชิงบวกระหว่าง IA และ NMC

   

ตาราง 2 ความสัมพันธ์ระหว่าง IA และ NMC (n = 213)

ความสัมพันธ์ข้ามที่ล้าหลังระหว่าง IA และ NMC

ชุดของแบบจำลองข้ามล้าหลังถูกระบุเพื่อตรวจสอบความสัมพันธ์ซึ่งกันและกันระหว่าง IA และ NMC ครั้งแรกรูปแบบพื้นฐาน (รุ่น 1 รูปที่ 3) ถูกระบุ; ในโมเดลนี้ประมาณค่าสัมประสิทธิ์ความมั่นคงสำหรับ IA และ NMC แต่ไม่ได้ประเมินผลกระทบข้ามระหว่างวัตถุทั้งสอง พอดีกับรูปแบบเป็นที่ยอมรับ (ตาราง 3) ประการที่สองเพื่อทดสอบโมเดลการรับรู้ - พฤติกรรมที่นำเสนอก่อนหน้านี้มีการเพิ่มเส้นทางข้ามที่ล้าหลังจาก NMC ไปยัง IA ในโมเดลพื้นฐาน (Model 2, รูปที่ 3) ซึ่งปรับปรุงโมเดลให้เหมาะสมอย่างเห็นได้ชัด (ตาราง 3) χ² การทดสอบความแตกต่างพบว่า Model 2 แสดงให้เห็นถึงข้อมูลที่เหมาะสมกว่ารุ่น 1 (Δχ)² = 27.05, Δdf = 2, Δχ²/ Δdf = 13.53> 6.63) (เหวินและคณะ, 2006) ตาม Model 2 ค่าสัมประสิทธิ์เส้นทางมาตรฐานคือ 0.10 (p = 0.309) สำหรับ NMC วัดที่ T1 ถึง IA วัดที่ T2 และ 0.36 (p <0.001) สำหรับ NMC วัดที่ T2 ถึง IA วัดที่ T3 ประการที่สามเพื่อตรวจสอบว่า IA ณ จุดเวลาหนึ่งสามารถทำนาย NMC ณ จุดเวลาต่อไปนี้ได้หรือไม่เส้นทางข้ามล้าหลังจาก IA ไปยัง NMC จะถูกเพิ่มลงในโมเดลพื้นฐาน (Model 3, Figure 3) ผลการวิจัยพบว่าแบบจำลองที่ดีนั้นประสบความสำเร็จ (ตาราง 3) χ² การทดสอบความแตกต่างแสดงให้เห็นว่า Model 3 แสดงให้เห็นถึงข้อมูลที่เหมาะสมกว่ารุ่น 1 ที่ทำได้ (Δχ² = 47.20, Δdf = 2, Δχ²/ Δdf = 23.60> 6.63) ตามแบบจำลอง 3 ค่าสัมประสิทธิ์เส้นทางมาตรฐานคือ 0.44 (p <0.001) สำหรับ IA วัดที่ T1 ถึง NMC วัดที่ T2 และ 0.50 (p <0.001) สำหรับ IA วัดที่ T2 ถึง NMC วัดที่ T3 สิ่งนี้บ่งชี้ว่า IA ณ จุดเวลาหนึ่งเป็นตัวทำนายที่มีประสิทธิภาพของ NMC ณ ช่วงเวลาต่อไปนี้และการเพิ่มสองเส้นทางไปยังแบบจำลองสามารถปรับปรุงโมเดลให้เหมาะสมได้อย่างมีนัยสำคัญ ประการที่สี่แบบจำลอง 4 ถูกระบุด้วยค่าสัมประสิทธิ์ความเสถียรและผลกระทบแบบไขว้ระหว่าง IA และ NMC (รุ่น 4 รูปที่ 3) โมเดลเหมาะสมกับข้อมูลอย่างเพียงพอ (ตาราง 3) อย่างไรก็ตามโมเดล 3 และ 4 ซ้อนกันอยู่และχ² การทดสอบความแตกต่างระบุว่าทั้งสองรุ่นมีประสิทธิภาพเท่าเทียมกัน (Δχ² = 11.69, Δdf = 2, Δχ²/ Δdf = 5.85 <6.63) สุดท้ายตามที่แสดงใน Model 4 ยกเว้นค่าสัมประสิทธิ์เส้นทางมาตรฐานสำหรับ NMC ที่วัดที่ T1 ถึง IA ที่วัดที่ T2 ส่วนที่เหลือของเส้นทางข้ามล้าหลังระหว่าง IA และ NMC ถึงระดับที่สำคัญ ดังนั้นเราจึงลบเส้นทางนี้และพัฒนาโมเดล 5 โมเดลให้พอดีกับข้อมูลอย่างเพียงพอ (ตาราง 3) ดังนั้น Model 5 จึงถูกเก็บรักษาไว้เป็นโมเดลสุดท้ายสำหรับการวิเคราะห์เนื่องจากเหตุผลดังต่อไปนี้: (1) แม้ว่าทั้งสองรุ่นจะทำงานได้ดีเท่า ๆ กัน (Δχ² = 0.21, Δdf = 1, Δχ²/ Δdf = 0.21 <6.63) แบบจำลอง 5 นั้นเรียบง่ายกว่าและมีการแยกวิเคราะห์มากกว่าโมเดล 4 และควรเลือกพารามิเตอร์น้อยกว่าสำหรับการวิเคราะห์ (2)² การทดสอบความแตกต่างแสดงให้เห็นว่ารุ่น 5 แสดงให้เห็นถึงความเหมาะสมกับข้อมูลได้ดีกว่ารุ่น 3 ที่ทำ (Δχ² = 11.48, Δdf = 1, Δχ²/ Δdf = 11.48> 6.63) และค่าสัมประสิทธิ์เส้นทางมาตรฐานคือ 0.25 (p <0.001) สำหรับ NMC วัดที่ T2 ถึง IA วัดที่ T3 นั่นคือมีความเป็นไปได้สูงที่ NMC ที่วัดที่ T2 สามารถทำนาย IA ที่วัดได้ที่ T3

   

ตาราง 3 เปรียบเทียบระหว่างรุ่นต่าง ๆ

ความแตกต่างระหว่างเพศ

เพื่อตรวจสอบว่าความสัมพันธ์ข้ามที่ล้าหลังระหว่าง IA และ NMC นั้นแตกต่างกันระหว่างชายและหญิงหรือไม่เราทำการวิเคราะห์แบบหลายกลุ่ม ก่อนอื่นเราประมาณความเหมาะสมของแบบจำลองสำหรับผู้ชาย (ม_ชาย) และเพศหญิง (ม_หญิง) แยกต่างหากและดัชนีความพอดีมีเพียงพอสำหรับทั้งชุดย่อย (ตาราง 4) ค่าคงที่ของการวัดนั้นถูกทดสอบแล้วเพื่อพิจารณาว่าตัวแปรทั้งสองนั้นถูกวัดเหมือนกันทั้งชายและหญิงหรือไม่ ในแบบจำลองการวัดที่ไม่มีข้อ จำกัด อย่างสมบูรณ์ (ม₁) พารามิเตอร์ทั้งหมดได้รับอนุญาตให้เปลี่ยนแปลงในทั้งสองกลุ่ม แบบจำลองที่ยอมรับได้นั้นสำเร็จและโมเดลการวัดที่ จำกัด อย่างสมบูรณ์ (M₂) ถูกวิเคราะห์ซึ่งพารามิเตอร์ทั้งหมดได้รับการแก้ไขเหมือนกันสำหรับทั้งสองกลุ่ม; รุ่นพอดีกับข้อมูลที่เพียงพอ (ตาราง 4) χ² การทดสอบความแตกต่างระบุว่าทั้งสองรุ่นมีประสิทธิภาพเท่าเทียมกัน (Δχ² = 6.50, Δdf = 15, p = 0.970)

   

ตาราง 4 การวิเคราะห์หลายกลุ่มในผู้ชายและผู้หญิง

เพื่อกล่าวถึงเป้าหมายการวิจัยในส่วนนี้ของการศึกษาเราได้ทำการวิเคราะห์ข้ามกลุ่มข้ามกลุ่มตามเพศของนักศึกษา พารามิเตอร์ทั้งสามถูกทดสอบเพื่อตรวจสอบว่าพวกเขาแตกต่างกันระหว่างเพศ: สัมประสิทธิ์ความมั่นคงสัมประสิทธิ์เส้นทางข้ามล้าหลังและความแปรปรวนร่วมระหว่าง IA และ NMC โมเดลที่มีข้อ จำกัด (M₃) ถูกระบุซึ่งพารามิเตอร์ทั้งสามนั้นเหมือนกันในทั้งสองกลุ่ม รุ่นนี้บรรลุแบบที่น่าพอใจ (ตาราง 4) χ² การทดสอบความแตกต่างชี้ให้เห็นว่าแบบจำลองนี้เหมาะสมกับข้อมูลอย่างเพียงพอเท่ากับโมเดลที่ไม่มีข้อ จำกัด อย่างสมบูรณ์ ((² = 1.78, Δdf = 7, p = 0.996) แสดงว่ารูปแบบโดยรวมของเส้นทางนั้นไม่เปลี่ยนแปลงระหว่างเพศชายและเพศหญิง

การสนทนา

การศึกษาครั้งนี้นำไปสู่การสำรวจข้ามความล่าช้าเพื่อสำรวจความสัมพันธ์ซึ่งกันและกันระหว่าง IA และ NMC ในหมู่นักศึกษาวิทยาลัยจีน ตามโมเดลความรู้ความเข้าใจ - พฤติกรรม (เดวิส 2001) อาจมีความสัมพันธ์ซึ่งกันและกันระหว่างตัวแปรสองตัวและ NMC เป็นตัวทำนายแนวโน้มของ IA อย่างไรก็ตามสมมติฐานนี้ไม่ได้รับการสนับสนุนอย่างเต็มที่ ในช่วงเดือน 2 แรกของการศึกษาเราพบว่าไม่มีผลการทำนายของ NMC ต่อ IA; สิ่งนี้ไม่สอดคล้องกับผลการศึกษาก่อนหน้า (Tian และคณะ, 2015) โดยเฉพาะ NMC ดูเหมือนจะไม่เป็นเงื่อนไขที่จำเป็นสำหรับการสร้าง IA ผลลัพธ์นี้มีความเกี่ยวข้องกับผู้เข้าร่วมในการศึกษาปัจจุบัน ในการศึกษานี้ผู้เข้าร่วมการสำรวจคือนักศึกษาจีนที่เพิ่งผ่านการสอบคัดเลือกที่เข้มงวดเมื่อเร็ว ๆ นี้คือ“ Gaokao” เพื่อที่จะได้เข้าศึกษาต่อในระดับมหาวิทยาลัย ดังนั้นมีเพียงไม่กี่คนที่มีเวลาเพียงพอในการใช้อินเทอร์เน็ต (หลี่และเหลียง 2007) ดังนั้นระดับของ NMC จึงต่ำที่สุดเมื่อผู้เข้าร่วมลงทะเบียนเรียนในวิทยาลัยซึ่งอาจป้องกันไม่ให้มีอิทธิพลอย่างมีนัยสำคัญต่อการสร้าง IA ในช่วงระยะเวลาของวิทยาลัยปัจจัยอื่น ๆ อีกมากมายสามารถทำให้คนติดอินเทอร์เน็ต ตัวอย่างเช่นการไม่เปิดเผยตัวตนและการไม่มีตัวชี้นำที่ไม่ใช่คำพูดและข้อมูลทางประชากรที่จัดเตรียมโดยอินเทอร์เน็ตสามารถเป็นประโยชน์ต่อความเป็นอยู่ที่ดีของนักเรียนผ่านการเสนอการสงเคราะห์จากความทุกข์ทางอารมณ์ (Caplan และ Turner, 2007) และเสริมสร้างการรับรู้ของการสนับสนุนทางสังคมและความภาคภูมิใจในตนเอง (Kraut et al., 2002) รวมถึงการขยายขอบเขตของความสัมพันธ์ระหว่างบุคคล (Cotten, 2008) นอกจากนี้ลักษณะบุคลิกภาพสามารถมีบทบาทสำคัญในการสร้าง IA ในช่วงเวลานี้ (Mike et al., 2014) ตัวอย่างเช่นคนที่มีความสามารถในการควบคุมความพยายามสูงมีประสิทธิภาพมากขึ้นในการระงับการกระทำหุนหันพลันแล่นเมื่อถูกล่อลวงด้วยอินเทอร์เน็ตดังกล่าวก่อนหน้านี้ ในทางตรงกันข้ามคนที่มีระดับการแสวงหาความรู้สึกสูงมีแนวโน้มที่จะพัฒนาพฤติกรรมเสพติด (จางและคณะ, 2015) อย่างไรก็ตามความเครียดทางวิชาการของนักศึกษาจีนลดลงอย่างมีนัยสำคัญหลังจากเข้าเรียนวิทยาลัยและพวกเขามีเวลามากขึ้นในการใช้อินเทอร์เน็ต (หลี่และเหลียง 2007) ดังนั้นพวกเขาอาจจะค่อยๆพัฒนาการตอบสนองความรู้ความเข้าใจที่หลากหลายไปยังอินเทอร์เน็ตผ่านประสบการณ์ของตัวเองหรือประสบการณ์ที่เกี่ยวข้องกับการแลกเปลี่ยนเพียร์ซึ่งส่งผลกระทบต่อระดับ IA ของพวกเขา (วังและคณะ, 2015).

ตามโมเดลความรู้ความเข้าใจ - พฤติกรรม (เดวิส 2001) IA อาจมีผลกระทบทางลบต่อ NMC (Caplan, 2010) อย่างไรก็ตามมีการศึกษาเชิงประจักษ์จำนวนน้อยที่ดำเนินการเพื่อทดสอบสมมติฐานนี้และนักวิจัยบางคนได้เสนอทฤษฎีเพื่ออธิบายปรากฏการณ์นี้ อย่างไรก็ตามหลักฐานเชิงประจักษ์จากการศึกษาในปัจจุบันชี้ให้เห็นว่า IA มีความสำคัญในการทำนายความสัมพันธ์กับ NMC ซึ่งอาจส่งผลกระทบต่อการสร้างและการพัฒนาของ NMC นักวิจัยบางคนสำรวจพฤติกรรมการเล่นเกมออนไลน์ในวัยรุ่นจีน พวกเขาได้รายงานว่าพฤติกรรมการเล่นเกมออนไลน์อาจส่งผลกระทบอย่างมีนัยสำคัญต่อความรู้ความเข้าใจเกี่ยวกับเกมออนไลน์เนื่องจากการเปลี่ยนแปลงความรู้ความเข้าใจเกี่ยวกับเกมออนไลน์เป็นวิธีที่มีประสิทธิภาพในการบรรเทาความรู้สึกไม่สบายที่เกิดจากความไม่สอดคล้องระหว่างพฤติกรรมและการคิดวังและคณะ, 2015) ดังนั้นเราจึงใช้ทฤษฎีความไม่ลงรอยกันของความรู้ความเข้าใจเป็นแบบจำลองอธิบายเพื่อหารือเกี่ยวกับกลไกการทำนายผลกระทบของ IA ใน NMC (คูเปอร์ 2007) ตามทฤษฎีนี้เมื่อผู้คนตระหนักถึงความไม่สอดคล้องกันพวกเขาประสบกับความรู้สึกไม่สบายหรือไม่ลงรอยกันซึ่งกระตุ้นความพยายามที่จะลดประสบการณ์นี้และฟื้นความมั่นคงโดยปรับทัศนคติการรับรู้หรือพฤติกรรมของพวกเขาจนกว่าจะแก้ไขความไม่สอดคล้องกันเดอไวริสและทิมมินส์ 2016) คนส่วนใหญ่อาจจะสามารถปรับพฤติกรรมของพวกเขาเพื่อลดความไม่ลงรอยกันนี้ได้สำเร็จ อย่างไรก็ตามบางคนมีแนวโน้มที่จะปรับพฤติกรรมที่ดูเหมือนจะลดความไม่ลงรอยกันโดยใช้เหตุผลเช่น“ ฉันสามารถได้รับความเคารพออนไลน์มากกว่า 'ในชีวิตจริง', '“ ฉันรู้สึกปลอดภัยที่สุดเมื่ออยู่บนอินเทอร์เน็ต” หรือ“ การใช้อินเทอร์เน็ตเป็น วิธีที่จะลืมเกี่ยวกับสิ่งที่ฉันต้องทำ แต่ไม่ต้องการทำ” เมื่อผู้คนเชื่อมั่นว่าการติดอินเทอร์เน็ตนั้นสมเหตุสมผลการลดความไม่ลงรอยกันและพวกเขารู้สึกดีขึ้น อย่างไรก็ตามวิธีที่มีประสิทธิภาพในการลดอาการไม่สบายนั้นมีแนวโน้มที่จะเกิดขึ้นซ้ำเมื่อมีการฝ่าฝืนที่เหมือนกันเกิดขึ้นอีกซึ่งเป็นปัญหา (เดอไวริสและทิมมินส์ 2016) กล่าวคือเมื่อนักเรียนได้รับการจัดตั้ง NMCs แล้วการใช้อินเทอร์เน็ตที่มากเกินไปในเวลาต่อมาจะไม่ทำให้เกิดความรู้สึกไม่สบายในระดับเดียวกันซึ่งจะเป็นการเพิ่มการใช้อินเทอร์เน็ตมากเกินไป โดยสรุปการสร้างและการพัฒนาของ IA นั้นเกิดจากวัฏจักรชั่วร้ายที่เกี่ยวข้องกับ NMC และการใช้อินเทอร์เน็ตมากเกินไปและ IA มีความสำคัญในการทำนายความสัมพันธ์กับ NMC

ผลการวิจัยพบว่าไม่มีความแตกต่างอย่างมีนัยสำคัญในตัวแปรสำคัญระหว่างเพศชายและเพศหญิง สิ่งนี้ไม่สอดคล้องกับผลการศึกษาอื่น ๆ (Müllerและคณะ 2014) อาจเป็นเพราะการพัฒนาอย่างรวดเร็วของเทคโนโลยีคอมพิวเตอร์และระบบเครือข่ายซึ่งมีการเปลี่ยนแปลงอย่างมากอุปกรณ์เครือข่ายเช่นเดียวกับการใช้งานของพวกเขา (Daniel และคณะ, 2012; Mike และ Zhong, 2014) ตัวอย่างเช่นในสังคมร่วมสมัยโทรศัพท์มือถือได้กลายเป็นวิธีการหลักในการเข้าถึงอินเทอร์เน็ตและกิจกรรมต่าง ๆ เช่นการช็อปปิ้งและการเรียกดูสามารถทำได้กับพวกเขา ทั้งชายและหญิงสนุกกับกิจกรรมดังกล่าวเป็นส่วนใหญ่ (ซาน 2015) นอกจากนี้ผลของการวิเคราะห์ข้ามกลุ่มข้ามกลุ่มพบว่าเส้นทางที่พบใน IA และ NMC นั้นเหมือนกันสำหรับชายและหญิง นั่นคือกระบวนการที่นำไปสู่ ​​IA สามารถเหมือนกันทั้งสองเพศและรูปแบบสุดท้ายที่จัดตั้งขึ้นในการศึกษาปัจจุบันจึงมีการบังคับใช้อย่างกว้างขวางและความสำคัญในทางปฏิบัติสำหรับนักศึกษาวิทยาลัยจีน

เพื่อระบุกลไกกำเนิดและการพัฒนาของ IA เพิ่มเติมเราเสนอแบบจำลองเชิงทฤษฎีโดยอิงจากผลลัพธ์ที่พบในการศึกษานี้รวมทั้งแบบจำลองความรู้ความเข้าใจและพฤติกรรมที่เสนอโดยเดวิส 4) ตามโมเดลนี้การสร้างและการพัฒนาของ IA เป็นผลมาจากวัฏจักรหินที่เกี่ยวข้องกับ IA และ NMC และวัฏจักรนี้ส่วนใหญ่เกิดจากความไม่สบายที่เกิดจากความไม่สอดคล้องระหว่างพฤติกรรมและการคิด (เดอไวริสและทิมมินส์ 2016) เนื่องจากวัฏจักรนี้เริ่มต้นด้วยการใช้อินเทอร์เน็ตมากเกินไปการบรรเทาวงจรอุบาทว์นี้ในช่วงต้นภาคการศึกษาด้วยวิธีการต่าง ๆ จึงเป็นสิ่งจำเป็น อย่างไรก็ตามเนื่องจากการดึงดูดอินเทอร์เน็ตที่มีประสิทธิภาพสำหรับคนหนุ่มสาวการหลีกเลี่ยง IA อย่างสมบูรณ์ในหมู่นักศึกษาวิทยาลัยเป็นเรื่องยาก ตามทฤษฎีความไม่ลงรอยกันขององค์ความรู้เมื่อบางคนติดอินเทอร์เน็ตแล้วมีสองวิธีในการลดความรู้สึกไม่สบายที่เกิดจากความไม่สอดคล้องระหว่างพฤติกรรมและความคิด วิธีแรกเกี่ยวข้องกับการเปลี่ยนแปลงพฤติกรรมออนไลน์และวิธีที่สองเกี่ยวข้องกับการปรับความรู้ความเข้าใจเพื่อพัฒนาเหตุผลสำหรับพฤติกรรมที่ทำให้ติดได้ วิธีที่สองเป็นที่ต้องการอย่างเห็นได้ชัด ดังนั้นรูปแบบนี้อาจให้การสนับสนุนทางทฤษฎีสำหรับการป้องกันและแก้ไขแผนสำหรับ IA ในหมู่นักเรียนจีนเมื่อเริ่มต้นปีการศึกษา

   

รูป 4 แบบจำลองเชิงทฤษฎีของการศึกษาปัจจุบัน

ข้อ จำกัด และทิศทางในอนาคต

ข้อ จำกัด หลายประการของการศึกษานี้น่าสังเกต ครั้งแรกแม้ว่าเราจะเสนอรูปแบบเชิงทฤษฎีเกี่ยวกับการสร้างและการพัฒนาของ IA แต่แบบจำลองนี้ไม่ได้รับการตรวจสอบอย่างสมบูรณ์ในการศึกษาปัจจุบันและเรามุ่งเน้นเฉพาะความสัมพันธ์ซึ่งกันและกันระหว่าง IA และ NMC ดังนั้นควรทำการวิจัยเชิงประจักษ์เพิ่มเติมเพื่อยืนยันโมเดลนี้ ยิ่งไปกว่านั้นโมเดลเชิงทฤษฎีนี้อาจล้มเหลวในการแก้ไขอิทธิพลของปัจจัยอื่น ๆ เช่นอารมณ์และสภาพแวดล้อมภายนอก ดังนั้นแบบจำลองทางทฤษฎีที่ซับซ้อนยิ่งขึ้นควรได้รับการพัฒนาเพื่อแก้ไขปัญหานี้ ประการที่สองเพื่อสำรวจความสัมพันธ์ซึ่งกันและกันระหว่าง IA และ NMC การศึกษานี้ดำเนินการสำรวจสามครั้งจากกันยายน 2015 ถึงมกราคม 2016 อย่างไรก็ตามช่วงเวลาของแบบสำรวจทั้งสามอาจสั้นเกินไปที่จะตรวจจับการเปลี่ยนแปลงที่มั่นคงใน IA เมื่อเวลาผ่านไป แนวโน้มการพัฒนาอาจแตกต่างกันในช่วงเวลาต่อมาในช่วงชีวิตของนักเรียน ดังนั้นการสำรวจเพิ่มเติมของปัญหานี้ในปีที่เหลือของเวลาของพวกเขาที่วิทยาลัยเป็นสิ่งที่จำเป็น ในที่สุดการใช้ตัวอย่างที่สะดวกของนักศึกษาวิทยาลัยในการศึกษาครั้งนี้มีความจำเป็นเนื่องจากข้อ จำกัด ที่เกี่ยวข้องกับการเงินและทรัพยากรมนุษย์ ตัวอย่างนี้เกี่ยวข้องกับผู้เข้าร่วม 213 เท่านั้นทุกคนมาจากมหาวิทยาลัยในมณฑลซานตงประเทศจีน ความแตกต่างทางเศรษฐกิจและวัฒนธรรมระหว่างจังหวัดอาจส่งผลกระทบต่อความสัมพันธ์ระหว่างตัวแปรหลักสองประการที่เกี่ยวข้องกับนักศึกษาวิทยาลัย ดังนั้นการศึกษาควรทำซ้ำกับกลุ่มตัวอย่างขนาดใหญ่ที่เกี่ยวข้องกับภูมิภาคต่างๆของจีน

ผลงานของผู้เขียน

PH มีส่วนในการคิดแนวความคิดเบื้องต้นและการเขียนต้นฉบับ PW และ FG สนับสนุนการแก้ไขที่สำคัญ QL และ YT ช่วยในการรวบรวมและวิเคราะห์ข้อมูลให้เสร็จสมบูรณ์ ผู้เขียนทั้งหมดได้อนุมัติต้นฉบับฉบับสุดท้ายสำหรับการตีพิมพ์

การฝากและถอนเงิน

การวิจัยนี้ได้รับการสนับสนุนโดยโครงการวิจัยวิทยาศาสตร์ทางมนุษยศาสตร์ - สังคมของมณฑลซานตง (J16YG21) โครงการศิลปะวิทยาศาสตร์ของมณฑลซานตง (ZX2015021) และโครงการวิจัยวิทยาศาสตร์วิทยาศาสตร์สังคมศาสตร์ของมหาวิทยาลัยเฮเซ (XY16SK09)

คำชี้แจงความขัดแย้งทางผลประโยชน์

ผู้เขียนประกาศว่าการวิจัยได้ดำเนินการในกรณีที่ไม่มีความสัมพันธ์ทางการค้าหรือทางการเงินใด ๆ ที่อาจตีความได้ว่าเป็นความขัดแย้งทางผลประโยชน์ที่อาจเกิดขึ้น

อ้างอิง

คำสำคัญ: การติดอินเทอร์เน็ต, ความรู้ความเข้าใจเกี่ยวกับการปรับเครือข่ายที่ไม่เกี่ยวข้องกับเครือข่าย, นักศึกษาใหม่, การสำรวจข้ามประเทศ, จีน

การอ้างอิง: Han P, Wang P, Lin Q, Tian Y, Gao F และ Chen Y (2017) ความสัมพันธ์ซึ่งกันและกันระหว่างการเสพติดอินเทอร์เน็ตและการรับรู้ Maladaptive ที่เกี่ยวข้องกับเครือข่ายในหมู่นักศึกษาจีนวิทยาลัย: การวิเคราะห์ข้าม Lagged ตามยาว ด้านหน้า จิตวิทยา 8: 1047 doi: 10.3389 / fpsyg.2017.01047

ได้รับ: 13 มีนาคม 2017; ยอมรับแล้ว: 08 มิถุนายน 2017;
เผยแพร่: 22 มิถุนายน 2017

ลิขสิทธิ์© 2017 ฮัน, วัง, หลิน, เทียน, เกาและเฉิน นี่เป็นบทความแบบเปิดที่เผยแพร่ภายใต้เงื่อนไขของ ใบอนุญาตแสดงที่มาของครีเอทีฟคอมมอนส์ (CC BY). อนุญาตให้ใช้งานแจกจ่ายหรือทำซ้ำในฟอรัมอื่นโดยผู้แต่งหรือผู้ออกใบอนุญาตจะได้รับเครดิตและสิ่งพิมพ์ต้นฉบับในวารสารนี้ได้รับการอ้างอิงตามแนวทางปฏิบัติทางวิชาการที่เป็นที่ยอมรับ ไม่อนุญาตให้ใช้แจกจ่ายหรือทำซ้ำซึ่งไม่เป็นไปตามข้อกำหนดเหล่านี้