การตัดสินใจสำหรับกำไรและขาดทุนที่มีความเสี่ยงในหมู่นักศึกษาวิทยาลัยที่มีความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต (2015)

นามธรรม

ผู้ที่มีปัญหาเกี่ยวกับการเล่นเกมทางอินเทอร์เน็ต (IGD) มีแนวโน้มที่จะแสดงความเสี่ยงในการตัดสินใจไม่เพียง แต่ในชีวิตจริงของพวกเขาเท่านั้น การตัดสินใจเป็นหน้าที่หลายแง่มุมที่ซับซ้อนและกระบวนการทางปัญญาที่แตกต่างกันมีส่วนร่วมในการตัดสินใจเพื่อผลกำไรและขาดทุน อย่างไรก็ตามความสัมพันธ์ระหว่างการตัดสินใจที่บกพร่องและการได้รับกับการสูญเสียในบริบทของ IGD นั้นเป็นที่เข้าใจกันไม่ดี เป้าหมายหลักของการศึกษาครั้งนี้คือการประเมินการตัดสินใจแยกต่างหากสำหรับกำไรและขาดทุนที่มีความเสี่ยงในหมู่นักศึกษาที่ใช้ IGD โดยใช้งานถ้วย นอกจากนี้เรายังตรวจสอบผลกระทบของขนาดผลลัพธ์และระดับความน่าจะเป็นต่อการตัดสินใจที่เกี่ยวข้องกับกำไรและขาดทุนที่มีความเสี่ยงตามลำดับ นักศึกษาหกสิบคนที่มี IGD และ 42 คนเข้าร่วมการควบคุมสุขภาพที่ดี (HCs) ผลการวิจัยพบว่ากลุ่มตัวอย่างของ IGD มีแนวโน้มที่จะรับความเสี่ยงมากกว่า HCs ในการเปรียบเทียบกับ HCs อาสาสมัคร IGD ได้เลือกตัวเลือกที่มีความเสี่ยงมากขึ้นในโดเมนการสูญเสีย (แต่ไม่ใช่ในโดเมนที่ได้รับ) การวิเคราะห์ติดตามผลพบว่าการด้อยค่ามีความสัมพันธ์กับการไม่ตอบสนองต่อการเปลี่ยนแปลงของขนาดผลลัพธ์และระดับความน่าจะเป็นสำหรับการสูญเสียความเสี่ยงในกลุ่ม IGD นอกจากนี้คะแนนความรุนแรงของการติดอินเทอร์เน็ตที่สูงขึ้นมีความสัมพันธ์กับเปอร์เซ็นต์ของตัวเลือกที่มีความเสี่ยงเสียเปรียบในโดเมนการสูญเสีย การค้นพบนี้เน้นถึงผลของการไม่รู้สึกถึงการสูญเสียต่อการตัดสินใจที่เสียเปรียบภายใต้ความเสี่ยงในบริบทของ IGD ซึ่งมีผลกระทบต่อการศึกษาการแทรกแซงในอนาคต

ตัวเลข

 

อ้างอิง:Yao YW, Chen PR, Li S, วัง LJ, Zhang JT และคณะ (2015) การตัดสินใจสำหรับความเสี่ยงและความสูญเสียที่มีความเสี่ยงในหมู่นักศึกษาวิทยาลัยที่มีความผิดปกติในการเล่นเกมทางอินเทอร์เน็ต PLOS ONE 10 (1): e0116471 ดอย: 10.1371 / journal.pone.0116471

บรรณาธิการวิชาการ: Ingmar HA Franken, Erasmus University Rotterdam, NETHERLANDS

ที่ได้รับ: กรกฎาคม 17, 2014; ได้รับการยืนยัน: ธันวาคม 9, 2014; ที่เผยแพร่: January 23, 2015

นี่เป็นบทความเกี่ยวกับการเข้าถึงแบบเปิดซึ่งไม่มีลิขสิทธิ์ทั้งหมดและอาจทำซ้ำแจกจ่ายส่งดัดแปลงสร้างขึ้นหรือใช้โดยบุคคลอื่นใด ๆ โดยไม่มีวัตถุประสงค์ตามกฎหมาย การทำงานมีให้ภายใต้ ครีเอทีฟคอมมอนส์ CC0 การอุทิศโดเมนสาธารณะ

ความพร้อมใช้งานของข้อมูล:ข้อมูลที่เกี่ยวข้องทั้งหมดอยู่ในเอกสารและไฟล์ข้อมูลสนับสนุน

เงินทุน:การศึกษานี้ได้รับการสนับสนุนโดยมูลนิธิวิทยาศาสตร์ธรรมชาติแห่งชาติของจีน (หมายเลข 31170990 และหมายเลข 81100992) ซึ่งเป็นทุนการวิจัยพื้นฐานสำหรับมหาวิทยาลัยกลาง (หมายเลข 2012WYB01) และโครงการรากฐานนวัตกรรมแห่งชาติสำหรับนักศึกษาวิทยาลัยของจีน (หมายเลข 201310027028) SWY ได้รับการสนับสนุนเงินเดือนจาก NIDA (T32 DA007238-23) ผู้เลี้ยงไม่มีบทบาทในการออกแบบการศึกษาการรวบรวมและวิเคราะห์ข้อมูลหรือการจัดทำต้นฉบับ

การแข่งขันความสนใจ: ผู้เขียนได้ประกาศว่าไม่มีความสนใจในการแข่งขันอยู่

บทนำ

Internet game disorder (IGD) ถูกกำหนดให้เป็นเกมออนไลน์ที่มีการควบคุมมากเกินไปและไม่มีการควบคุมแม้ว่าจะได้รับผลกระทบทางลบเช่นการนอนไม่หลับประสิทธิภาพการเรียนที่ไม่ดีและการแยกทางสังคม [1,2] IGD ได้รับการยอมรับมากขึ้นว่าเป็นปัญหาสุขภาพจิตทั่วโลก [3] ดังที่ได้กล่าวถึงเมื่อไม่นานมานี้ซึ่งรวมถึงหัวข้อ III ของ DSM-5 ซึ่งเป็นหัวข้อที่สมควรได้รับการศึกษาเพิ่มเติมในอนาคต4] ยิ่งไปกว่านั้นเนื่องจากอินเทอร์เน็ตมีให้บริการฟรีในวิทยาเขตนักศึกษาส่วนใหญ่จึงเล่นเกมอินเทอร์เน็ตเพื่อการพักผ่อนหย่อนใจซึ่งทำให้พวกเขาเป็นหนึ่งในประชากรที่อ่อนแอที่สุดของ IGD [5,6].

การตัดสินใจแบบปรับไม่ได้เป็นหนึ่งในอาการสำคัญของการเติม [7-9] การค้นพบก่อนหน้านี้ชี้ให้เห็นว่าบุคคลที่ใช้สารเสพติดหรือการพึ่งพาอาศัยกันมีผลการปฏิบัติงานในการตัดสินใจที่หลากหลาย10-14] การศึกษาล่าสุดระบุว่าการขาดดุลตัดสินใจใน IGD ยกตัวอย่างเช่นนักวิจัยพบว่าบุคคลที่มี IGD มีทางเลือกที่เสียเปรียบมากขึ้นในเกมลูกเต๋าโดยเปรียบเทียบกับกลุ่มที่ไม่ได้เล่นเพื่อสุขภาพ [15] และความบกพร่องดังกล่าวอาจเป็นผลมาจากความล้มเหลวในการใช้ความคิดเห็น [16] หลักฐานยังชี้ให้เห็นว่าผู้ที่ติดยาเสพติดทางอินเทอร์เน็ตมีความบกพร่องในการตัดสินใจภายใต้ความคลุมเครือที่วัดโดยงานพนันของไอโอวา17,18] การศึกษาเกี่ยวกับระบบประสาทโดยใช้กระบวนทัศน์อื่น ๆ (เช่นงานคาดเดา, งานลดความน่าจะเป็น) ยังแนะนำการเปลี่ยนแปลงในการตอบสนองของระบบประสาทในหมู่บุคคลที่มี IGD ในระหว่างกระบวนการตัดสินใจซึ่งเกี่ยวข้องกับการคาดการณ์และประมวลผลรางวัลและการลงโทษ19-21] และประเมินความเสี่ยง [22].

การตัดสินใจเป็นหน้าที่การรับรู้ที่ซับซ้อนและมีหลักฐานที่บ่งชี้ว่ากระบวนการต่าง ๆ มีส่วนร่วมในการตัดสินใจเพื่อผลกำไรและขาดทุน23-26] นักวิจัยบางคนพบว่าบุคคลที่มีความผิดปกติเกี่ยวกับการเสพติดมีตัวเลือกที่เสียเปรียบอย่างมีนัยสำคัญมากขึ้นเมื่อเทียบกับการสูญเสีย - โดเมน [27,28] ในขณะที่ข้อมูลที่มีอยู่ยังชี้ให้เห็นว่าการไม่รู้สึกถึงการสูญเสียมีบทบาทสำคัญในการขาดดุลในการตัดสินใจระหว่างบุคคลที่พึ่งพาสารเคมี29,30] อย่างไรก็ตามขอบเขตของการตัดสินใจที่ผิดปกติในกลุ่มผู้ใช้ IGD นั้นมีสาเหตุมาจากการเปลี่ยนแปลงในการได้รับกับการสูญเสียนั้นยังไม่เป็นที่เข้าใจ การแยกลักษณะของการแสวงหารางวัลและการหลีกเลี่ยงการสูญเสียระหว่างบุคคลที่มี IGD จะทำให้เกิดความเข้าใจในปัจจุบันเกี่ยวกับกลไกการขาดดุลการตัดสินใจในประชากรกลุ่มนี้และอาจช่วยในการพัฒนาการแทรกแซงที่มีประสิทธิภาพมากขึ้นสำหรับ IGD

ในการศึกษาปัจจุบันเราพยายามที่จะประเมินการตัดสินใจแยกต่างหากสำหรับกำไรและขาดทุนในหมู่นักศึกษาที่มี IGD เพื่อจุดประสงค์นี้เราได้ใช้งานถ้วย [26] ซึ่งแยกการตัดสินใจสำหรับโดเมนกำไรและขาดทุน นอกจากนี้เรายังพยายามตรวจสอบผลกระทบขององค์ประกอบที่สำคัญสองอย่าง ได้แก่ ขนาดผลลัพธ์และระดับความน่าจะเป็นในการตัดสินใจที่เกี่ยวข้องกับกำไรและขาดทุนที่มีความเสี่ยง จากการศึกษาก่อนหน้า15,16,21] เราตั้งสมมติฐานว่า: (1) วิชา IGD เมื่อเทียบกับการควบคุมสุขภาพที่ตรงกัน (HCs) จะทำให้ตัวเลือกที่มีความเสี่ยงโดยรวมมีความหมายมากขึ้น; (2) วิชา IGD เมื่อเปรียบเทียบกับ HCs จะทำงานได้แย่ลงในการทดลองที่เสียเปรียบความเสี่ยงทั้งในโดเมนที่ได้รับและขาดทุน (3) การขาดดุลในการตัดสินใจในกลุ่มวิชา IGD มีความสัมพันธ์กับความไม่รู้สึกต่อขนาดและความน่าจะเป็นของผลลัพธ์ และ (4) คะแนนความรุนแรงของ IGD มีความสัมพันธ์เชิงบวกกับตัวเลือกที่มีความเสี่ยงที่เสียเปรียบที่ทำกับงานถ้วย

วิธีการ

แถลงการณ์ด้านจริยธรรม

โปรโตคอลของการศึกษาครั้งนี้ได้รับการอนุมัติจากคณะกรรมการพิจารณาสถาบันของโรงเรียนจิตวิทยามหาวิทยาลัยปักกิ่งปกติ ผู้เข้าร่วมทุกคนให้ความยินยอมเป็นลายลักษณ์อักษรก่อนการทดลองและได้รับค่าตอบแทนทางการเงินสำหรับการเข้าร่วม

ผู้เข้าร่วมกิจกรรม

นักศึกษา 102 คน (60 IGD วิชาและ 42 HCs) ได้รับคัดเลือกจากมหาวิทยาลัยโดยการโฆษณาออนไลน์ในกรุงปักกิ่งประเทศจีน ได้รับความชุกของ IGD ที่สูงขึ้นในผู้ชายกับผู้หญิง [1,31-33] เลือกวิชาเพศชายเท่านั้น ไม่มีผู้เข้าร่วมรายงานประสบการณ์ก่อนหน้านี้เกี่ยวกับยาเสพติดที่ผิดกฎหมาย (เช่นโคเคน) หรือการพนัน (รวมถึงการพนันออนไลน์) นอกจากนี้ผู้เข้าร่วมที่รายงานประวัติของโรคทางจิตเวชหรือระบบประสาทใด ๆ การใช้ยาที่ออกฤทธิ์ต่อจิตประสาทที่มีผลต่อระบบประสาทส่วนกลางได้รับการยกเว้นจากการศึกษาเพิ่มเติม

การวินิจฉัยโรค IGD นั้นเกิดขึ้นจากเวลาเล่นเกมทางอินเทอร์เน็ตทุกสัปดาห์และระดับการติดอินเทอร์เน็ตของเฉิน (CIAS) [34] CIAS ประกอบด้วย 26 รายการขึ้นอยู่กับสเกล Likert 4 จุดซึ่งประเมิน 5 มิติของการติดอินเทอร์เน็ต: การใช้งานบังคับ, การถอน, ความอดทน, ปัญหาของความสัมพันธ์ระหว่างบุคคลและการจัดการเวลา ความน่าเชื่อถือและความถูกต้องของ CIAS ในหมู่นักศึกษาได้รับการแสดงก่อนหน้านี้ [33] เกณฑ์การรวมสำหรับวิชา IGD คือ: (1) คะแนน 67 หรือสูงกว่าใน CIAS [33,35], (2) ใช้เวลากับการเล่นเกมทางอินเทอร์เน็ตมากกว่าแอปพลิเคชันอินเทอร์เน็ตอื่น ๆ และ (3) ใช้เวลาอย่างน้อย 14 ชั่วโมงต่อสัปดาห์เป็นเวลาอย่างน้อยหนึ่งปี เพื่อยืนยันเพิ่มเติมว่ากลุ่มวิชา IGD ติดเกมบนอินเทอร์เน็ตและแยกแยะผลกระทบของกิจกรรมออนไลน์อื่น ๆ (โดยเฉพาะการพนันออนไลน์) เกี่ยวกับการตัดสินใจวิชา IGD ถูกขอให้แสดงรายการกิจกรรมทางอินเทอร์เน็ตสามครั้งแรกที่ใช้เวลาส่วนใหญ่ในการออนไลน์ พวกเขาทั้งหมดติดอันดับเกมบนอินเทอร์เน็ตเป็นคนแรกและระบุว่าพวกเขา 'ติด' กับเกมบนอินเทอร์เน็ต แต่ไม่มีพวกเขารวมถึงการพนันออนไลน์หรือเกมโป๊กเกอร์ในรายการของพวกเขา เกณฑ์การรวมของ HC คือ: (1) เรตติ้ง≤ 50 ใน CIAS, (2) เล่นเกมทางอินเทอร์เน็ตเป็นครั้งคราว (≤ 2 ชั่วโมงต่อสัปดาห์) หรือไม่เคยเล่นเกมออนไลน์ในช่วงชีวิตของพวกเขา

งานถ้วย

งานถ้วยของเวอร์ชั่นภาษาจีนถูกดัดแปลงจากงานต้นฉบับที่พัฒนาโดย [26] งานประกอบด้วย 54 การทดลองแบ่งเป็นโดเมนกำไรและขาดทุนเท่า ๆ กัน ในการทดลองแต่ละครั้งผู้เข้าร่วมจะถูกขอให้เลือกระหว่างตัวเลือกที่มีความเสี่ยงและตัวเลือกที่ปลอดภัยและตัวเลือกที่ปลอดภัยจะแสดงด้วยถ้วยเดียวและมีความเกี่ยวข้องกับความน่าจะเป็น 100% ของการชนะหรือแพ้ 100 หยวน ตัวเลือกที่มีความเสี่ยงจะถูกแสดงด้วย 2, 3 หรือ 4 ถ้วยและเกี่ยวข้องกับ 50%, 33% หรือ 25% ของการชนะหรือแพ้เงินจำนวนมาก (ผลลัพธ์ที่เป็นไปได้: 200 หยวน, 300 หยวนหรือ 400 หยวน) ภายในแต่ละโดเมนการรวมกันของระดับความน่าจะเป็นและระดับผลลัพธ์เกิดขึ้นสามครั้งดังนั้นโดเมนที่ได้รับและขาดทุนจะแสดงเป็นสองช่วงทดลองแยกกันจำนวน 27 ช่วงการทดลองแบบสุ่ม ผู้เข้าร่วมระบุตัวเลือกโดยกดปุ่มซ้ายหรือขวา หลังจากแต่ละตัวเลือกผู้เข้าร่วมจะได้รับผลตอบรับทันทีเกี่ยวกับผลลัพธ์ของการทดลอง ผู้เข้าร่วมยี่สิบคนที่ได้คะแนนรวมสูงสุดจะได้รับโบนัสเพิ่มเติม

ขึ้นอยู่กับการจัดการอิสระของระดับความน่าจะเป็นและระดับผลลัพธ์การรวมกันมีดังนี้: (1) ความเสี่ยงที่ได้เปรียบ (RA) ซึ่งหมายความว่าค่าที่คาดหวัง (EV) ของตัวเลือกที่มีความเสี่ยงดีกว่าตัวเลือกที่ปลอดภัย (2) ความเสี่ยงเสียเปรียบ (RD) ซึ่งหมายความว่า EV ของตัวเลือกที่มีความเสี่ยงน้อยกว่าตัวเลือกที่ปลอดภัย หรือ (3) ความเสี่ยงที่เป็นกลางซึ่งหมายความว่าตัวเลือกที่มีความเสี่ยงและปลอดภัยมีค่าเท่ากับที่คาดหวัง (EQEV)

การวิเคราะห์ทางสถิติ

การวิเคราะห์ทางสถิติได้ดำเนินการโดยใช้ SPSS เวอร์ชัน 20.0 และ R เวอร์ชัน 3.1.0 การทดสอบทั้งหมดเป็นแบบสองด้านและกำหนดเกณฑ์ความสำคัญไว้ที่ P <.05. ขั้นแรกเราใช้การทดสอบ t ตัวอย่างอิสระเพื่อสำรวจความแตกต่างของกลุ่มในตัวแปรทางประชากร ประการที่สองเพื่อเปรียบเทียบประสิทธิภาพของวิชา IGD และ HCs ในงาน Cups เราใช้การวิเคราะห์ความแปรปรวน (ANOVA) กับการวัดซ้ำ เพื่อสำรวจเอฟเฟกต์ปฏิสัมพันธ์ได้ทำการวิเคราะห์เอฟเฟกต์อย่างง่าย ในกรณีที่การทดสอบของ Mauchly พบว่ามีการละเมิดสมมติฐานความเป็นทรงกลมจะใช้การแก้ไข Greenhouse-Geisser การวิเคราะห์หลังการทำงานดำเนินการโดยใช้การทดสอบ t กับการแก้ไข Bonferroni ประการที่สามเราแยก EV ออกเป็นสององค์ประกอบ: ระดับความน่าจะเป็นและขนาดผลลัพธ์เพื่อสำรวจผลกระทบทั้งสององค์ประกอบต่อการตัดสินใจสำหรับการทดลองแต่ละครั้งโดยใช้ฟังก์ชัน R lmer ของไลบรารี lme4 ในที่สุดเพื่อตรวจสอบความสัมพันธ์ระหว่างความรุนแรงของการติดอินเทอร์เน็ตและประสิทธิภาพการตัดสินใจในการบรรลุผลกำไรและหลีกเลี่ยงการสูญเสียความสัมพันธ์ของ Pearson ถูกนำมาใช้เพื่อสำรวจความสัมพันธ์ระหว่างคะแนน CIAS และเปอร์เซ็นต์ของตัวเลือกที่มีความเสี่ยงในช่วง EV ทั้งสามระดับ (RA, EQEV, RD ) สำหรับโดเมนกำไรและขาดทุนตามลำดับ

ผลสอบ

ลักษณะทางประชากรศาสตร์

ดังที่แสดงไว้ 1 ตารางวิชา IGD และ HCs ไม่แตกต่างกันตามอายุระยะเวลาการศึกษาโดยเฉลี่ยและอายุการใช้งานอินเทอร์เน็ตเป็นเวลาหลายปี สอดคล้องกับเกณฑ์การรวมของเรา (เช่นคะแนน CIAS ≥ 67 สำหรับวิชา IGA และ≤ 50 สำหรับ HCs) วิชา IGD มีคะแนน CIAS สูงกว่าอย่างมีนัยสำคัญ t (100) = 27.14 P <.001. HCs จำนวนยี่สิบสองจาก 42 คนเล่นเกมทางอินเทอร์เน็ตเป็นครั้งคราวอย่างไรก็ตามผู้เข้าร่วม IGD ใช้เวลากับเกมอินเทอร์เน็ตรายสัปดาห์มากกว่า HCs อย่างมีนัยสำคัญ t (80) = 15.41 P <.001.

ดาวน์โหลด: 

• PPT

  สไลด์ PowerPoint

• PNG

  ภาพใหญ่ขึ้น (72KB)

• TIFF

  ภาพต้นฉบับ (375KB)

ตารางที่ 1. ข้อมูลประชากร, อายุการใช้งานอินเทอร์เน็ต, คะแนน CIAS และเวลาที่ใช้ในวิชา IGD และ HCs

ดอย: 10.1371 / journal.pone.0116471.t001

อัตราการใช้ยาสูบและแอลกอฮอล์ต่ำทั้งสองกลุ่ม: กลุ่ม IGD สามกลุ่มและกลุ่ม HC หนึ่งกลุ่มรายงานว่ามีการสูบบุหรี่เป็นครั้งคราว (น้อยกว่าหนึ่งครั้งต่อเดือน) อาสาสมัคร IGD สิบเก้าและ 12 HC รายงานการใช้แอลกอฮอล์ตลอดชีวิต แต่ทั้งหมดมีความถี่ต่ำ (สัปดาห์ละครั้งหรือน้อยกว่า) และอัตราเหล่านี้ไม่แตกต่างกันระหว่างกลุ่ม t (29) = 1.27 P = .216

ความเสี่ยงมีแนวโน้ม

การวัดความเสี่ยงเป็นการวัดแนวโน้มของแต่ละบุคคลที่จะเลือกตัวเลือกที่มีความเสี่ยงมากกว่าตัวเลือกที่ปลอดภัยในแต่ละระดับ EV ทั้งสาม (RA, EQEV, RD) คำนวณแยกต่างหากสำหรับกำไรและการสูญเสียโดเมน [36] เราดำเนินการ 2 (โดเมน: กำไรขาดทุน) × 3 (ระดับ EV: RA, EQEV, RD) × 2 (กลุ่ม: วิชา IGD, HCs) วัดซ้ำ ANOVA ตามที่คาดไว้เราสังเกตเห็นผลกระทบหลักของกลุ่ม F (1, 100) = 5.67 P = .019 บางส่วนη² = .05 แสดงว่ากลุ่ม IGD เลือกตัวเลือกที่มีความเสี่ยงโดยรวมมากกว่า HCs ทั้งในส่วนของกำไรและขาดทุน และผลกระทบหลักของระดับ EV F (2, 200) = 289.64 P <.001 บางส่วนη² = .74 การวิเคราะห์หลังเหตุการณ์แสดงให้เห็นว่าผู้เข้าร่วมมีตัวเลือกที่มีความเสี่ยงมากขึ้นเมื่อระดับ EV คือ RA มากกว่าที่เป็น RD การโต้ตอบสามทางระหว่างระดับ EV กลุ่มและโดเมนไม่ถึงความสำคัญ F (2, 200) = 1.43 P = .242 บางส่วนη² = .01 อย่างไรก็ตามเราพบปฏิสัมพันธ์ระดับ EV ×กลุ่ม F (2, 200) = 6.08 P = .006 บางส่วนη² = .06 และการวิเคราะห์เอฟเฟ็กต์อย่างง่ายแสดงให้เห็นว่าการมีปฏิสัมพันธ์อย่างมีนัยสำคัญส่วนใหญ่เกิดจากการรับความเสี่ยงต่อเส้นทางการขับขี่ของกลุ่ม IGD เมื่อเปรียบเทียบกับ HCs F (2, 99) = 7.54 P = .001 บางส่วนη² = .13 นอกจากนี้เรายังพบว่ามีการโต้ตอบระดับโดเมน EV ที่สำคัญ F (2, 200) = 7.70 P = .001 บางส่วนη² = .07 และการวิเคราะห์ผลอย่างง่ายแสดงให้เห็นว่าผู้เข้าร่วมเลือกตัวเลือกที่มีความเสี่ยงมากขึ้นในโดเมนการสูญเสียเมื่อเปรียบเทียบกับโดเมนที่ได้รับจากการทดลอง EQEV (ไม่ใช่การทดสอบ RA และ RD) F (1, 100) = 7.57 P = .007 บางส่วนη² = .07

ทำการแยก ANOVAs สำหรับแต่ละโดเมน สำหรับโดเมนที่สูญเสียนอกเหนือไปจากผลกระทบหลักที่สำคัญของกลุ่มและระดับ EV มีผลกระทบอย่างมีนัยสำคัญของการโต้ตอบระดับ EV ×กลุ่ม F (2, 200) = 6.90 P = .002 บางส่วนη² = .07 ผลจากการวิเคราะห์เอฟเฟ็กต์อย่างง่ายระบุว่าอาสาสมัคร IGA เลือกทางเลือกที่มีความเสี่ยงมากกว่า HCs ในการทดลอง RD F (1, 100) = 15.11 P <.001 บางส่วนη² = .13 แต่ไม่แตกต่างจาก HC ในจำนวนตัวเลือกที่มีความเสี่ยงในการทดลอง RA และ EQEV (มะเดื่อ. 1) ในทางตรงกันข้ามสำหรับโดเมนที่ได้รับไม่มีผลกระทบหลักหรือผลกระทบอย่างมีนัยสำคัญของกลุ่มหรือระดับ EV ×กลุ่ม (P = .092 และ P = .138 ตามลำดับ)

ดาวน์โหลด: 

• PPT

  สไลด์ PowerPoint

• PNG

  ภาพใหญ่ขึ้น (104KB)

• TIFF

  ภาพต้นฉบับ (227KB)

รูปที่ 1. ประสิทธิภาพการตัดสินใจสำหรับเรื่อง IGD และ HCs ในงานถ้วย

 

เปอร์เซ็นต์เฉลี่ยของตัวเลือกที่มีความเสี่ยงที่เกิดขึ้นใน (A) การได้รับและ (B) โดเมนการสูญเสียซึ่งเป็นฟังก์ชันของระดับ EV และกลุ่ม แถบข้อผิดพลาดสะท้อนถึงข้อผิดพลาดมาตรฐาน IGD = ความผิดปกติในการเล่นเกมทางอินเทอร์เน็ต; HCs = การควบคุมที่ดีต่อสุขภาพ; EV = ค่าคาดหวัง; RA = ความเสี่ยงที่ได้เปรียบ; EQEV = ค่าที่คาดหวังเท่ากัน; RD = ความเสี่ยงเสียเปรียบ

ดอย: 10.1371 / journal.pone.0116471.g001

ความไวต่อผลลัพธ์ขนาดและระดับความน่าจะเป็น

เราแยก EV ออกเป็นสององค์ประกอบเพิ่มเติม: ขนาดผลลัพธ์และระดับความน่าจะเป็น ในการตรวจสอบผลกระทบขององค์ประกอบทั้งสองนี้ต่อการตัดสินใจที่มีความเสี่ยงเราได้จัดทำแบบจำลองลำดับชั้นลอจิสติกโดยใช้ฟังก์ชั่น R lmer ของไลบรารี lme4 เพื่อพิจารณาความแปรปรวนของการทดลองโดยทดลองในการรับความเสี่ยงของอาสาสมัคร ในการศึกษาก่อนหน้า37] แบบจำลองพื้นฐานสองแบบตามลำดับสำหรับโดเมนกำไรและขาดทุนรวมกลุ่ม (0 = HCs, 1 = วิชา IGD) ระดับความน่าจะเป็น (แสดงความน่าจะเป็นที่จะชนะหรือแพ้สำหรับตัวเลือกที่มีความเสี่ยง: 0.25, 0.33, 0.50) ขนาดผลลัพธ์ (2, 3, 4 หมายถึง 200, 300, 400 ในตัวเลือกที่มีความเสี่ยง) และการโต้ตอบของกลุ่ม×ระดับความน่าจะเป็นและขนาด×ผลลัพธ์เป็นตัวทำนายผลคงที่และความแตกต่างของแต่ละบุคคลในการเลือกแบบสุ่ม ตัวแปรตามคือตัวเลือกของอาสาสมัครสำหรับการทดลองแต่ละครั้ง (0 = ตัวเลือกที่ปลอดภัย 1 = ตัวเลือกที่มีความเสี่ยง)

ดังที่แสดงไว้ ตาราง 2มีผลกระทบหลักอย่างมีนัยสำคัญของระดับความน่าจะเป็นและขนาดผลลัพธ์ในโดเมนกำไรและขาดทุน ผลกระทบเหล่านี้บ่งชี้ว่าสำหรับทั้งกำไรและการสูญเสียโดเมนที่ทั้ง IGD อาสาสมัครและ HCs, อาสาสมัครมีความเสี่ยงน้อยลงเนื่องจากความน่าจะเป็นของตัวเลือกที่มีความเสี่ยงลดลงเป็นที่น่าพอใจน้อยลง (ผลหลักของระดับความน่าจะเป็น) ขนาดของตัวเลือกที่มีความเสี่ยงเพิ่มขึ้น (ผลหลักของขนาดผลลัพธ์)

ดาวน์โหลด: 

• PPT

  สไลด์ PowerPoint

• PNG

  ภาพใหญ่ขึ้น (86KB)

• TIFF

  ภาพต้นฉบับ (511KB)

ตารางที่ 2. ผลของระดับความน่าจะเป็นและขนาดผลลัพธ์ต่อความเสี่ยงในฐานะหน้าที่ของโดเมนและกลุ่ม

ดอย: 10.1371 / journal.pone.0116471.t002

ในโดเมนที่ได้รับไม่มีผลกระทบอย่างมีนัยสำคัญระหว่างตัวแปรสามตัวใด ๆ ที่สำรวจ ในทางกลับกันในโดเมนที่สูญเสียมีปฏิสัมพันธ์อย่างมีนัยสำคัญระหว่างระดับความน่าจะเป็นของกลุ่ม×และระหว่างขนาดผลลัพธ์ของกลุ่ม×ซึ่งแสดงให้เห็นว่าวิชา IGD, สัมพันธ์กับ HCs มีโอกาสน้อยที่จะปรับการตัดสินใจตามระดับความน่าจะเป็น .

ความสัมพันธ์ระหว่างความรุนแรงของการติดอินเทอร์เน็ตและการตัดสินใจ

ความสัมพันธ์ของเพียร์สันยังดำเนินการระหว่างคะแนน CIAS และจำนวนตัวเลือกความเสี่ยงสำหรับสามระดับ EV (RA, EQEV, RD) แยกต่างหากสำหรับโดเมนกำไรและขาดทุน ในโดเมนการสูญเสียผลลัพธ์ชี้ให้เห็นว่าคะแนน CIAS มีความสัมพันธ์ทางบวกและทางเลือกที่มีความเสี่ยงในการทดลอง RD, r = .22 P = .001 ความสัมพันธ์ระหว่างคะแนน CIAS นั้นมีความสัมพันธ์กันเล็กน้อยกับจำนวนตัวเลือกที่มีความเสี่ยงในการทดลอง RD สำหรับโดเมนที่ได้รับ r = .19 P = 0.056

การสนทนา

สำหรับความรู้ของเราการศึกษาในปัจจุบันเป็นครั้งแรกที่ประเมินความเสี่ยงในการตัดสินใจระหว่างวิชา IGD แยกต่างหากสำหรับการสูญเสียและกำไรที่อาจเกิดขึ้น สอดคล้องกับสมมติฐานแรกของเราวิชา IGD แสดงให้เห็นถึงความเสี่ยงที่เกิดขึ้นโดยทั่วไปต่องานถ้วยเมื่อเทียบกับ HCs บางส่วนสอดคล้องกับสมมติฐานที่สองและสามของเราวิชา IGD มีทางเลือกที่มีความเสี่ยงมากกว่า HCs ในการทดลอง RD สำหรับการสูญเสีย - แต่ไม่ใช่กำไร - โดเมนและการด้อยค่ามีความสัมพันธ์กับการเปลี่ยนแปลงขนาดและความน่าจะเป็นของความเสี่ยง การสูญเสียในหมู่วิชา IGD สอดคล้องกับสมมติฐานที่สี่ของเราการวิเคราะห์สหสัมพันธ์แสดงให้เห็นถึงความสัมพันธ์เชิงบวกอย่างมีนัยสำคัญระหว่างคะแนนความรุนแรงติดยาเสพติดอินเทอร์เน็ตและตัวเลือกที่เสียเปรียบในโดเมนการสูญเสีย เมื่อนำมารวมกันข้อมูลเหล่านี้จะแสดงหลักฐานเพิ่มเติมของความบกพร่องในการตัดสินใจภายใต้ความเสี่ยงในหมู่บุคคลที่มี IGD และนอกจากนี้ยังแนะนำว่าการเปลี่ยนแปลงการสูญเสีย (เมื่อเทียบกับกำไร) การประมวลผลอาจรองรับการขาดดุลการตัดสินใจในประชากรนี้

ในโดเมนการสูญเสียวิชา IGD ทำการตัดสินใจที่มีความเสี่ยงมากขึ้นในการทดลอง RD เมื่อเทียบกับ HCs และการวิเคราะห์โดยการทดลองโดยทดลองเพิ่มเติมบ่งชี้ว่าวิชา IGD มีโอกาสน้อยที่จะปรับการตัดสินใจตามระดับความน่าจะเป็นและผลลัพธ์ในโดเมนนี้ การค้นพบนี้สอดคล้องกับการศึกษาก่อนหน้านี้โดยใช้งานการตัดสินใจที่คล้ายกันและแสดงให้เห็นถึงความบกพร่องในการตัดสินใจที่เกี่ยวข้องกับการหลีกเลี่ยงการสูญเสียในหมู่บุคคลที่ติดสารเสพติด [38] การกินที่ผิดปกติ [39] และ IGD [16, 19] คำอธิบายหนึ่งที่เป็นไปได้สำหรับการค้นพบนี้คือการทำซ้ำพฤติกรรมการเล่นเกมของพวกเขาบุคคลที่มี IGD อาจมีส่วนร่วมในการแก้ปัญหาที่เกี่ยวข้องกับการสูญเสียบ่อยขึ้นซึ่งอาจทำให้พวกเขาอดทนต่อการลงโทษมากขึ้น นอกจากนี้การค้นพบการตัดสินใจเกี่ยวกับการสูญเสียที่เปลี่ยนแปลงไปนั้นสอดคล้องกับการนำเสนอทางคลินิกของบุคคลที่มี IGD ว่าพวกเขามีแนวโน้มที่จะประเมินผลกระทบด้านลบที่อาจเกิดขึ้นในชีวิตจริงเพื่อที่จะคงอยู่ในการเล่นออนไลน์2,40,41].

การศึกษาก่อนหน้านี้แสดงให้เห็นถึงพฤติกรรมเสี่ยงต่อการเสียเปรียบที่เพิ่มขึ้นในโดเมนที่ได้รับในหมู่บุคคลที่มีความผิดปกติที่เกี่ยวข้องกับการติดยาเสพติดที่โดดเด่นด้วยความบกพร่องในการควบคุมแรงกระตุ้นเช่นการพนันทางพยาธิวิทยา28] และการพึ่งพาแอลกอฮอล์ [27] อย่างไรก็ตามผลของการวิเคราะห์ความแปรปรวนหรือการทดลองแบบไม่ทดลองแสดงให้เห็นการเพิ่มขึ้นของการตัดสินใจที่มีความเสี่ยงในการได้รับการทดลองในกลุ่ม IGA มีคำอธิบายที่เป็นไปได้หลายประการสำหรับความแตกต่างเหล่านี้ โดยเฉพาะอย่างยิ่งบุคคลที่มีการพนันทางพยาธิวิทยาแสดงการตอบสนองต่อการให้รางวัลทางการเงินมากกว่ากับผลตอบแทนที่ไม่ใช่ตัวเงิน [42] และสิ่งนี้อาจส่งผลให้เกิดความเสี่ยงที่เสียเปรียบมากขึ้นในโดเมนที่ได้รับ (กับการสูญเสีย) ตามที่รายงานไว้ก่อนหน้านี้ [28] สำหรับผู้ที่ติดเหล้าแล้วการดื่มแอลกอฮอล์ในระยะยาวและมากเกินไปอาจทำให้โครงสร้างสมองและหน้าที่ที่เกี่ยวข้องรวมถึงภูมิภาคสำคัญในการให้รางวัลเช่น amygdala43,44] หลักฐานชี้ให้เห็นว่าผู้ป่วยที่มีรอยโรค amygdala แสดงให้เห็นถึงการขาดดุลการตัดสินใจส่วนใหญ่ในโดเมนกำไร26] แม้ว่าจำเป็นต้องมีการวิจัยเพิ่มเติมเพื่อยืนยันสมมติฐานเหล่านี้ แต่การไม่มีความเสี่ยงที่เพิ่มขึ้นเพื่อผลประโยชน์ในกลุ่มวิชา IGD อาจสะท้อนถึงการประมวลผลเชิงบรรทัดฐานของผลตอบแทนทางการเงินที่ค่อนข้าง (แต่ไม่ใช่การสูญเสีย) ในประชากรนี้ นอกจากนี้การค้นพบเหล่านี้ยังเน้นถึงความสำคัญของการประเมินด้านต่าง ๆ ของการตัดสินใจเกี่ยวกับความผิดปกติที่เกี่ยวข้องกับการเสพติด

คะแนนความรุนแรงของการติดอินเทอร์เน็ตนั้นมีความสัมพันธ์เชิงบวกกับจำนวนของตัวเลือกที่มีความเสี่ยงที่เสียเปรียบในงานการแข่งขันถ้วยซึ่งบ่งชี้ว่าผู้ที่มีคะแนนความรุนแรงของการติดอินเทอร์เน็ตที่สูงกว่านั้นได้ทำการตัดสินใจที่เสียเปรียบมากขึ้น การค้นพบเหล่านี้สอดคล้องกับการศึกษาก่อนหน้าซึ่งรายงานว่าการตั้งค่าสำหรับทางเลือกที่เสี่ยงต่อการเสียเปรียบมีความสัมพันธ์กับความรุนแรงของ IGD โดยใช้กระบวนทัศน์ที่คล้ายกันเช่น Game of Dice Task [15,16] และงานลดความน่าจะเป็น [22] การค้นพบนี้สนับสนุนสมมติฐานที่ทำให้การตัดสินใจที่เกี่ยวข้องกับการสูญเสียความเสี่ยงมีความสัมพันธ์กับระดับความรุนแรงของการติดอินเทอร์เน็ต (เช่นคะแนน CIAS) และอาจเป็นเป้าหมายการรักษาที่เหมาะสมสำหรับการรักษา IGD

โดยรวมแล้วการค้นพบของเราชี้ให้เห็นความบกพร่องในการตัดสินใจที่มีความเสี่ยงภายใต้บริบทของการหลีกเลี่ยงการสูญเสียระหว่างบุคคลที่มี IGD จำเป็นต้องมีการวิจัยเพิ่มเติมเพื่อสร้างพื้นฐานทางด้านระบบประสาทสำหรับการเปลี่ยนแปลงเหล่านี้ สมมติฐานหนึ่งก็คือการตัดสินใจที่เสียเปรียบในโดเมนที่สูญเสียอาจเกี่ยวข้องกับการเปลี่ยนแปลงในการทำงานของคอร์ติโกสตริตาระหว่างบุคคลที่มี IGD ตามที่ได้รับรายงานในหมู่บุคคลที่มีพฤติกรรมเสพติดและยาเสพติด45-47] โดยเฉพาะ insula มีบทบาทสำคัญในชีววิทยาของการติดและการตัดสินใจ [9,48,49] และเกี่ยวข้องในการสูญเสียความคาดหมายและการหลีกเลี่ยงการเรียนรู้ [50] ดังนั้นหนึ่งสมมติฐานการเก็งกำไรคือความบกพร่องในการตัดสินใจที่เกี่ยวข้องกับการหลีกเลี่ยงการสูญเสียอาจจะเกี่ยวข้องกับการทำงานที่โดดเดี่ยวในหมู่บุคคลที่มี IGD

ข้อ จำกัด หลายประการของการศึกษานี้ควรสังเกต อันดับแรกเนื่องจาก IGD แพร่หลายมากที่สุดในหมู่มนุษย์ [1,32] การศึกษานี้ไม่รวมผู้เข้าร่วมที่เป็นผู้หญิง ดังนั้นจึงจำเป็นต้องมีการศึกษาเพิ่มเติมเพื่อประเมินการตัดสินใจสำหรับกำไรและขาดทุนระหว่างสตรีที่มี IGD ประการที่สองการรับสมัครเฉพาะนักศึกษาวิทยาลัยของเรา จำกัด ความสามารถในการสรุปผลการค้นพบของเรา แม้ว่านักศึกษาวิทยาลัยเป็นหนึ่งในประชากรที่อ่อนแอที่สุดต่อ IGD [5,33] จำเป็นต้องมีการศึกษาในอนาคตเพื่อสำรวจความสัมพันธ์ระหว่างการเสี่ยงกับผลกำไรและขาดทุนที่อาจเกิดขึ้นกับ IGD ในตัวอย่างทางคลินิก ในที่สุดการศึกษาที่มีการออกแบบตามยาวนั้นมีความจำเป็นเพื่อตรวจสอบว่าการปรับเปลี่ยนการตัดสินใจนั้นเป็นผลสืบเนื่องหรือเป็นผู้นำของ IGD

โดยสรุปการศึกษาครั้งนี้เป็นครั้งแรกในการประเมินการตัดสินใจในโดเมนกำไรและขาดทุนแยกต่างหากในหมู่นักศึกษาที่มี IGA ใช้งานถ้วย วิชา IGD แสดงให้เห็นถึงความเสี่ยงที่รับแนวโน้มมากกว่า HCs นอกจากนี้กลุ่มวิชา IGD มีทางเลือกที่มีความเสี่ยงมากกว่า HCs ในการทดลอง RD ในการสูญเสีย แต่ไม่ได้รับโดเมนและการด้อยค่าดังกล่าวเกี่ยวข้องกับความรู้สึกไม่ได้กับขนาดผลลัพธ์และระดับความน่าจะเป็นที่เกี่ยวข้องกับการสูญเสียความเสี่ยง นอกจากนี้คะแนนความรุนแรงของการติดอินเทอร์เน็ตยังมีความสัมพันธ์เชิงบวกกับตัวเลือกที่มีความเสี่ยงที่เสียเปรียบในโดเมนการสูญเสีย เมื่อนำมารวมกันการค้นพบเหล่านี้ชี้ให้เห็นว่าการปรับเปลี่ยนการสูญเสียการประมวลผล (กับผลกำไร) อาจเป็นผลมาจากการขาดดุลในการตัดสินใจในประชากรกลุ่มนี้

ข้อมูลสนับสนุน

กิตติกรรมประกาศ

ผู้เขียนขอขอบคุณดร. อีเลนบอสซาร์ที่ให้ตัวอย่างของงานถ้วยแบบดั้งเดิมและดร. ชานลั่วสำหรับความช่วยเหลือในการวิเคราะห์ข้อมูล

ผลงานของผู้เขียน

รู้สึกและออกแบบการทดลอง: YWY PRC JTZ LYD QXL XYF ดำเนินการทดลอง: YWY PRC SL LJW JTZ วิเคราะห์ข้อมูล: YWY SL JTZ GC รีเอเจนต์ที่สนับสนุน / วัสดุ / เครื่องมือวิเคราะห์: JTZ XYF เขียนบทความ: YWY JTZ SWY XYF

อ้างอิง

1. 1. Ko CH, Yen JY, Chen SH, Wang PW, Chen CS, และคณะ (2014) การประเมินเกณฑ์การวินิจฉัยความผิดปกติของการเล่นเกมอินเทอร์เน็ตใน DSM-5 ของคนหนุ่มสาวในไต้หวัน J Psychiatr Res 53: 103–110 ดอย: 10.1016 / j.jpsychires.2014.02.008 PMID: 24581573
   • ดูบทความ
   • PubMed / NCBI
   • Google Scholar
2. 2. Petry NM, Rehbein F, Gentile DA, Lemmens JS, Rumpf HJ, et al (2014) ฉันทามติระหว่างประเทศสำหรับการประเมินความผิดปกติของเกมอินเทอร์เน็ตโดยใช้วิธีการ DSM-5 ใหม่ การเสพติด 109: 1399–1406 doi: 10.1111 / add.12457 PMID: 24456155
3. ดูบทความ
4. PubMed / NCBI
5. Google Scholar
6. ดูบทความ
7. PubMed / NCBI
8. Google Scholar
9. 3. King DL, Delfabbro PH (2014) จิตวิทยาความรู้ความเข้าใจเกี่ยวกับการเล่นเกมทางอินเทอร์เน็ต Clin Psychol Rev 34: 298–308 doi: 10.1016 / j.cpr.2014.03.006 PMID: 24786896
10. ดูบทความ
11. PubMed / NCBI
12. Google Scholar
13. ดูบทความ
14. PubMed / NCBI
15. Google Scholar
16. ดูบทความ
17. PubMed / NCBI
18. Google Scholar
19. ดูบทความ
20. PubMed / NCBI
21. Google Scholar
22. ดูบทความ
23. PubMed / NCBI
24. Google Scholar
25. ดูบทความ
26. PubMed / NCBI
27. Google Scholar
28. ดูบทความ
29. PubMed / NCBI
30. Google Scholar
31. ดูบทความ
32. PubMed / NCBI
33. Google Scholar
34. ดูบทความ
35. PubMed / NCBI
36. Google Scholar
37. ดูบทความ
38. PubMed / NCBI
39. Google Scholar
40. ดูบทความ
41. PubMed / NCBI
42. Google Scholar
43. ดูบทความ
44. PubMed / NCBI
45. Google Scholar
46. ดูบทความ
47. PubMed / NCBI
48. Google Scholar
49. ดูบทความ
50. PubMed / NCBI
51. Google Scholar
52. ดูบทความ
53. PubMed / NCBI
54. Google Scholar
55. ดูบทความ
56. PubMed / NCBI
57. Google Scholar
58. ดูบทความ
59. PubMed / NCBI
60. Google Scholar
61. ดูบทความ
62. PubMed / NCBI
63. Google Scholar
64. ดูบทความ
65. PubMed / NCBI
66. Google Scholar
67. ดูบทความ
68. PubMed / NCBI
69. Google Scholar
70. ดูบทความ
71. PubMed / NCBI
72. Google Scholar
73. ดูบทความ
74. PubMed / NCBI
75. Google Scholar
76. ดูบทความ
77. PubMed / NCBI
78. Google Scholar
79. ดูบทความ
80. PubMed / NCBI
81. Google Scholar
82. ดูบทความ
83. PubMed / NCBI
84. Google Scholar
85. ดูบทความ
86. PubMed / NCBI
87. Google Scholar
88. ดูบทความ
89. PubMed / NCBI
90. Google Scholar
91. ดูบทความ
92. PubMed / NCBI
93. Google Scholar
94. ดูบทความ
95. PubMed / NCBI
96. Google Scholar
97. ดูบทความ
98. PubMed / NCBI
99. Google Scholar
100. ดูบทความ
101. PubMed / NCBI
102. Google Scholar
103. ดูบทความ
104. PubMed / NCBI
105. Google Scholar
106. ดูบทความ
107. PubMed / NCBI
108. Google Scholar
109. ดูบทความ
110. PubMed / NCBI
111. Google Scholar
112. ดูบทความ
113. PubMed / NCBI
114. Google Scholar
115. ดูบทความ
116. PubMed / NCBI
117. Google Scholar
118. ดูบทความ
119. PubMed / NCBI
120. Google Scholar
121. ดูบทความ
122. PubMed / NCBI
123. Google Scholar
124. ดูบทความ
125. PubMed / NCBI
126. Google Scholar
127. ดูบทความ
128. PubMed / NCBI
129. Google Scholar
130. ดูบทความ
131. PubMed / NCBI
132. Google Scholar
133. ดูบทความ
134. PubMed / NCBI
135. Google Scholar
136. ดูบทความ
137. PubMed / NCBI
138. Google Scholar
139. ดูบทความ
140. PubMed / NCBI
141. Google Scholar
142. ดูบทความ
143. PubMed / NCBI
144. Google Scholar
145. ดูบทความ
146. PubMed / NCBI
147. Google Scholar
148. 4. สมาคมสมาคมจิตวิทยา (2013) คู่มือการวินิจฉัยและสถิติของความผิดปกติทางจิต (ฉบับที่ 5) Arlington, VA: ผู้แต่ง
149. 5. Chou C, Condron L, Belland JC (2005) การทบทวนงานวิจัยเรื่องการติดอินเทอร์เน็ต Educ Psychol Rev 17: 363–388 ดอย: 10.1007 / s10648-005-8138-1
150. 6. Ko CH, Hsiao S, Liu GC, Yen JY, Yang MJ, และคณะ (2010) ลักษณะของการตัดสินใจที่มีศักยภาพที่จะรับความเสี่ยงและบุคลิกภาพของนักศึกษาวิทยาลัยที่ติดอินเทอร์เน็ต Psychiat Res 175: 121–125 ดอย: 10.1016 / j.psychres.2008.10.004 PMID: 19962767
151. 7. Bechara A (2005) การตัดสินใจการควบคุมแรงกระตุ้นและการสูญเสียความมุ่งมั่นที่จะต่อต้านยาเสพติด: มุมมองเกี่ยวกับระบบประสาท Nat Neurosci 8: 1458–1463 ดอย: 10.1038 / nn1584 PMID: 16251988
152. 8. Lucantonio F, Stalnaker TA, Shaham Y, Niv Y, Schoenbaum G (2012) ผลกระทบของความผิดปกติของ orbitofrontal ต่อการติดโคเคน Nat Neurosci 15: 358–366 ดอย: 10.1038 / nn. 3014 PMID: 22267164
153. 9. Paulus MP (2007) ความผิดปกติในการตัดสินใจทางจิตเวช: การเปลี่ยนแปลงกระบวนการทางชีวจิต? วิทยาศาสตร์ 318: 602–606 ดอย: 10.1126 / วิทยาศาสตร์ 1142997 PMID: 17962553
154. 10. Bechara A, Damasio H (2002) การตัดสินใจและการติดยาเสพติด (ตอนที่ 40): การกระตุ้นการทำงานของสถานะร่างกายในบุคคลที่พึ่งพาสารเคมีเมื่อมีการตัดสินใจในอนาคต Neuropsychologia 1675: 1689–10.1016 ดอย: 0028 / S3932-02 (00015) 5-11992656 PMID: XNUMX
155. 11. Bechara A, Dolan S, Hindes A (2002) การตัดสินใจและการติดยาเสพติด (ตอนที่ 40): สายตาสั้นสำหรับอนาคตหรือการแพ้ง่ายต่อการให้รางวัล? Neuropsychologia 1690: 1705–10.1016 ดอย: 0028 / S3932-02 (00016) 7-11992657 PMID: XNUMX
156. 12. ยี่ห้อ M, Roth-Bauer M, Driessen M, Markowitsch HJ (2008) หน้าที่ของผู้บริหารและการตัดสินใจที่มีความเสี่ยงในผู้ป่วยที่พึ่งพายาเสพติด ยาเสพติดแอลกอฮอล์ขึ้นกับ 97: 64–72 ดอย: 10.1016 / j.drugalcdep.2008.03.017 PMID: 18485620
157. 13. Rogers RD, Everitt B, Baldacchino A, Blackshaw A, Swainson R, et al. (1999) การขาดดุลที่แยกไม่ได้ในการรับรู้การตัดสินใจของผู้เสพยาบ้ายาเสพติด, ผู้เสพยาเสพติดผู้ป่วยที่มีความเสียหายทางโฟกัสไปยังเยื่อหุ้มสมองส่วนหน้าและทริปโตเฟนพร่องโพรโทพาน Neuropsychopharmacol 20: 322–339 ดอย: 10.1016 / S0893-133X (98) 00091-8 PMID: 10088133
158. 14. Monterosso J, Ehrman R, Napier KL, O'Brien CP, Childress AR (2001) สามงานในการตัดสินใจในผู้ป่วยที่ต้องพึ่งพายาเสพติดโคเคน: พวกเขาวัดสิ่งก่อสร้างเดียวกันหรือไม่? การเสพติด 96: 1825–1837 ดอย: 10.1046 / j.1360-0443.2001.9612182512.x PMID: 11784475
159. 15. Pawlikowski M, Brand M (2011) เกมบนอินเทอร์เน็ตที่มากเกินไปและการตัดสินใจ: ผู้เล่น World of Warcraft มากเกินไปมีปัญหาในการตัดสินใจภายใต้เงื่อนไขที่มีความเสี่ยงหรือไม่? Psychiat Res 188: 428–433 ดอย: 10.1016 / j.psychres.2011.05.017 PMID: 21641048
160. 16. เหยา YW, เฉินพีอาร์, เฉินซี, วังแอล, จางเจทีและคณะ (2014) ความล้มเหลวในการใช้ความคิดเห็นทำให้เกิดการขาดดุลตัดสินใจในหมู่นักเล่นเกมอินเทอร์เน็ตที่มากเกินไป จิตแพทย์ Res 219: 583–588 ดอย: 10.1016 / j.psychres.2014.06.033 PMID: 25024056
161. 17. Sun D, ​​Chen Z, Ma N, Zhang X, Fu X, et al. (2009) ฟังก์ชั่นการยับยั้งการตัดสินใจและการตอบโต้ล่วงหน้าในผู้ใช้อินเทอร์เน็ตมากเกินไป ระบบประสาทส่วนกลาง 14: 75–81 PMID: 19238122
162. 18. Xu S (2012) แรงกระตุ้นพฤติกรรมผู้ติดอินเทอร์เน็ต: หลักฐานจากงานพนันของไอโอวา Acta Psychol Sin 44: 1523–1534 doi: 10.3724 / sp.j.1041.2012.01523
163. 19. Dong G, Hu Y, Lin X, Lu Q (2013) อะไรทำให้ผู้ติดอินเทอร์เน็ตยังคงเล่นเกมออนไลน์ต่อไปแม้ว่าจะเผชิญกับผลกระทบด้านลบอย่างรุนแรง? คำอธิบายที่เป็นไปได้จากการศึกษา fMRI Biol Psychol 94: 282–289 ดอย: 10.1016 / j.biopsycho.2013.07.009 PMID: 23933447
164. 20. Dong G, Hu Y, Lin X (2013) ความไวต่อการให้รางวัล / การลงโทษในหมู่ผู้ติดอินเทอร์เน็ต: ผลกระทบต่อพฤติกรรมเสพติดของพวกเขา Prog Neuro-Psychoph 46: 139–145 doi: 10.1016 / j.pnpbp.2013.07.007 PMID: 23876789
165. 21. Dong G, Huang J, Du X (2011) เพิ่มความไวของรางวัลและลดความไวต่อการสูญเสียในผู้ติดอินเทอร์เน็ต: การศึกษา fMRI ในระหว่างการเดางาน J Psychiatr Res 45: 1525–1529 doi: 10.1016 / j.jpsychires.2011.06.017 PMID: 21764067
166. 22. Lin X, Zhou H, Dong G, Du X (2015) การประเมินความเสี่ยงบกพร่องในผู้ที่มีปัญหาเกี่ยวกับการเล่นเกมอินเทอร์เน็ต: หลักฐาน fMRI จากงานลดความน่าจะเป็น Prog Neuro-Psychoph 56C: 142–148 doi: 10.1016 / j.pnpbp.2014.08.016 PMID: 25218095
167. 23. Fujiwara J, Tobler PN, Taira M, Iijima T, Tsutsui KI (2009) แยกและรวมการเข้ารหัสของรางวัลและการลงโทษในเยื่อหุ้มสมอง cingulate J Neurophysiol 101: 3284–3293 ดอย: 10.1152 / jn.90909.2008 PMID: 19339460
168. 24. Seymour B, Daw N, Dayan P, นักร้อง T, Dolan R (2007) การเข้ารหัสที่แตกต่างกันของการสูญเสียและกำไรใน striatum ของมนุษย์ J Neurosci 27: 4826–4831 ดอย: 10.1523 / JNEUROSCI.0400-07.2007 PMID: 17475790
169. 25. Levin IP, Xue G, Weller JA, Reimann M, Lauriola M, และคณะ (2011) วิธีวิทยาเพื่อทำความเข้าใจกับความเสี่ยงสำหรับกำไรและการสูญเสียที่อาจเกิดขึ้น Front Neurosci 6: 15–15 ดอย: 10.3389 / fnins.2012.00015 PMID: 22347161
170. 26. Weller JA, Levin IP, Shiv B, Bechara A (2007) ระบบประสาทมีความสัมพันธ์กับการตัดสินใจแบบปรับตัวเพื่อทำกำไรและขาดทุนที่มีความเสี่ยง Psychol Sci 18: 958–964 ดอย: 10.1111 / j.1467-9280.2007.02009.x PMID: 17958709
171. 27. Brevers D, Bechara A, Cleeremans A, Kornreich C, Verbanck P, et al. (2014) การตัดสินใจที่มีความบกพร่องภายใต้ความเสี่ยงในผู้ที่ติดเหล้า แอลกอฮอล์ Clin Res Res 38: 1924–1931 ดอย: 10.1111 / acer.12447 PMID: 24948198
172. 28. Brevers D, Cleeremans A, Goudriaan AE, Bechara A, Kornreich C, et al. (2012) การตัดสินใจภายใต้ความคลุมเครือ แต่ไม่อยู่ภายใต้ความเสี่ยงเกี่ยวข้องกับปัญหาการพนันที่รุนแรง Psychiat Res 200: 568–574 ดอย: 10.1016 / j.psychres.2012.03.053
173. 29. เวสลีย์เอ็มเจ Hanlon CA Porrino LJ (2011) การตัดสินใจที่ไม่ดีโดยผู้ใช้กัญชาเรื้อรังมีความสัมพันธ์กับการตอบสนองการทำงานที่ลดลงต่อผลกระทบด้านลบ Psychiat Res-Neuroim 191: 51–59 ดอย: 10.1016 / j.pscychresns.2010.10.002 PMID: 21145211
174. 30. Gowin JL, Stewart JL, อาจ AC, Ball TM, Wittmann M, et al. (2014) การเปลี่ยนแปลง cingulate และการเปิดใช้งาน cortex insular ในระหว่างการรับความเสี่ยงในการพึ่งพายาบ้า: การสูญเสียสูญเสียผลกระทบ การเสพติด 109: 237–247 ดอย: 10.1111 / add.12354 PMID: 24033715
175. 31. Tang J, Yu Y, Du Y, Ma Y, Zhang D, et al. (2014) ความชุกของการติดอินเทอร์เน็ตและการเชื่อมโยงกับเหตุการณ์ในชีวิตที่เครียดและอาการทางจิตวิทยาของผู้ใช้อินเทอร์เน็ตวัยรุ่น ติดยาเสพติด Behav 39: 744–747 ดอย: 10.1016 / j.addbeh.2013.12.010 PMID: 24388433
176. 32. Dalbudak E, Evren C, Topcu M, Aldemir S, Coskun KS, และคณะ (2013) ความสัมพันธ์ของการติดอินเทอร์เน็ตที่มีแรงกระตุ้นและความรุนแรงของโรคจิตในหมู่นักศึกษามหาวิทยาลัยตุรกี Psychiat Res 210: 1086–1091 ดอย: 10.1016 / j.psychres.2013.08.014 PMID: 23998359
177. 33. Ko CH, Yen JY, Chen SH, Yang MJ, Lin HC และคณะ (2009) เกณฑ์การวินิจฉัยที่เสนอและเครื่องมือคัดกรองและวินิจฉัยการติดอินเทอร์เน็ตในนักศึกษา ประกอบด้วย Psychiat 50: 378–384 ดอย: 10.1016 / j.comppsych.2007.05.019 PMID: 19486737
178. 34. Chen S, Weng L, Su Y, Wu H, Yang P (2003) การพัฒนาระดับการติดอินเทอร์เน็ตของจีนและการศึกษาด้านจิตวิทยา จีนเจ Psychol 45: 279
179. 35. หมากเคเค, ไลเอ็มซี, เกาะช่า, โจว, คิมดี, และคณะ (2014) คุณสมบัติไซโครเมทริกของมาตราส่วนการติดอินเทอร์เน็ตของเฉิน (CIAS-R) ที่ปรับปรุงใหม่ในวัยรุ่นจีน J Abnorm Child Psychol 42: 1237–1245 ดอย: 10.1007 / s10802-014-9851-3 PMID: 24585392
180. 36. Jasper JD, Bhattacharya C, Levin IP, Jones L, Bossard E (2013) การคำนวณเป็นตัวทำนายการตัดสินใจปรับตัวที่มีความเสี่ยง J Behav Dec สร้าง 26: 164–173 ดอย: 10.1002 / bdm.1748
181. 37. เวลเลอร์ JA, ฟิชเชอร์ PA (2013) การขาดดุลตัดสินใจในหมู่เด็กที่ถูกทารุณกรรม การกระทำทารุณเด็ก 18: 184–194 ดอย: 10.1177 / 1077559512467846 PMID: 23220788
182. 38. Ersche KD, Roiser JP, Clark L, London M, Robbins TW, และคณะ (2005) การลงโทษทำให้เกิดการตัดสินใจที่มีความเสี่ยงในผู้ใช้ยาเสพติดที่ได้รับการบำรุงเมธาโดน แต่ไม่ได้อยู่ในผู้ใช้เฮโรอีนหรืออาสาสมัครที่มีสุขภาพดี Neuropsychopharmacol 30: 2115-2124 ดอย: 10.1038 / sj.npp.1300812 PMID: 15999147
183. 39. Svaldi J, ยี่ห้อ M, Tuschen-Caffier B (2010) ความบกพร่องในการตัดสินใจในผู้หญิงที่มีปัญหาการกินมาก ความกระหาย 54: 84–92 doi: 10.1016 / j.appet.2009.09.010 PMID: 19782708
184. 40. Robbins T, Clark L (2015) พฤติกรรมการเสพติด การแยกส่วน Neurobiol 30C: 66–72 ดอย: 10.1016 / j.conb.2014.09.005
185. 41. Tao R, Huang X, วัง J, จาง H, Zhang Y, และคณะ (2010) เกณฑ์การวินิจฉัยที่เสนอสำหรับการติดอินเทอร์เน็ต การเสพติด 105: 556–564 ดอย: 10.1111 / j.1360-0443.2009.02828.x PMID: 20403001
186. 42. Sescousse G, Barbalat G, Domenech P, Dreher JC (2013) ความไม่สมดุลในความไวต่อรางวัลประเภทต่างๆในการพนันทางพยาธิวิทยา สมอง 136: 2527–2538 ดอย: 10.1093 / สมอง / awt126 PMID: 23757765
187. 43. Kim SM, Han DH, Min KJ, Kim BN, Cheong JH (2014) การกระตุ้นสมองเพื่อตอบสนองความอยากและความเกลียดชังที่เกี่ยวข้องกับแอลกอฮอล์ในผู้ป่วยที่ติดเหล้า ยาเสพติดแอลกอฮอล์ขึ้นอยู่กับ 141: 124–131 doi: 10.1016 / j.drugalcdep.2014.05.017 PMID: 24939441
188. 44. กิลพิน NW, Roberto M (2012) การปรับ Neuropeptide ของ amygdala neuroplasticity กลางเป็นสื่อกลางที่สำคัญของการพึ่งพาแอลกอฮอล์ Neurosci Biobehav Rev 36: 873–888 ดอย: 10.1016 / j.neubiorev.2011.11.002 PMID: 22101113
189. 45. Balodis IM, Kober H, Worhunsky PD, Stevens MC, Pearlson GD, และคณะ (2012) กิจกรรมส่วนหน้าลดน้อยลงในระหว่างการประมวลผลของเงินรางวัลและการสูญเสียในการพนันทางพยาธิวิทยา Biol Psychiat 71: 749–757 ดอย: 10.1016 / j.biopsych.2012.01.006 PMID: 22336565
190. 46. ​​Gradin VB, Baldacchino A, Balfour D, Matthews K, Steele JD (2013) การทำงานของสมองที่ผิดปกติในระหว่างงานให้รางวัลและการสูญเสียในผู้ป่วยที่พึ่งพายาเสพติดที่ได้รับยาบำรุงรักษาเมธาโดน Neuropsychopharmacol 39: 885–894 ดอย: 10.1038 / npp.2013.289 PMID: 24132052
191. 47. Yip SW, DeVito EE, Kober H, Worhunsky PD, Carroll KM, และคณะ (2014) มาตรการการปรับสภาพของโครงสร้างสมองและการทำงานของสมองที่ได้รับรางวัลในการพึ่งพากัญชา: การศึกษาเชิงสำรวจเกี่ยวกับความสัมพันธ์กับการเลิกบุหรี่ในระหว่างการรักษาพฤติกรรม ยาเสพติดแอลกอฮอล์ขึ้นอยู่กับ 140: 33–41 doi: 10.1016 / j.drugalcdep.2014.03.031 PMID: 24793365
192. 48. Naqvi NH, Bechara A (2010) Insula และการติดยาเสพติด: มุมมอง interoceptive ของความสุขคะยั้นคะยอและการตัดสินใจ โครงสร้างสมองสั่น 214: 435–450 ดอย: 10.1007 / s00429-010-0268-7 PMID: 20512364
193. 49. Noël X, Brevers D, Bechara A (2013) วิธีการแบบ neurocognitive เพื่อทำความเข้าใจเกี่ยวกับระบบประสาทของการเสพติด Curr23 Neurobiol 632: 638–10.1016 doi: 2013.01.018 / j.conb.23395462 PMID: XNUMX
194. 50. Samanez-Larkin GR, Hollon NG, Carstensen LL, Knutson B (2008) ความแตกต่างของแต่ละบุคคลในความไวในการโดดเดี่ยวในระหว่างการคาดการณ์การสูญเสียคาดการณ์การเรียนรู้หลีกเลี่ยง Psychol Sci 19: 320–323 ดอย: 10.1111 / j.1467-9280.2008.02087.x PMID: 18399882