ความแตกต่างระหว่างบุคคลในความสามารถในการเรียนรู้โดยนัยและพฤติกรรมหุนหันพลันแล่นในบริบทของการเสพติดอินเทอร์เน็ตและความผิดปกติของการพนันทางอินเทอร์เน็ตภายใต้การพิจารณาของเพศ (2017)

พร้อมใช้งานออนไลน์ 7 กุมภาพันธ์ 2017

• Rayna Sariyska^a, ,
• Bernd Lachmann^a, ,
• เซบาสเตียนมาร์เก็ต^{b, c,} ,
• มาร์ตินรอยเตอร์^{b, c,} ,
• Christian Montag^{a, d,}

http://dx.doi.org/10.1016/j.abrep.2017.02.002

ไฮไลท์

•คะแนนการติดอินเทอร์เน็ตที่สูงขึ้นเชื่อมโยงกับการเรียนรู้โดยปริยาย

•พบความสัมพันธ์นี้ในกลุ่มนักเล่นเกมชาย (มากเกินไป) สองกลุ่ม

•การติดการพนันออนไลน์นั้นเชื่อมโยงกับความเสี่ยงที่สูงขึ้นในผู้ที่มีสุขภาพดี

•ประเมินการเรียนรู้และการเสี่ยงโดยปริยายโดยใช้งานทดลอง

นามธรรม

บทนำ

ในการศึกษาสามครั้งติดต่อกันเรามีวัตถุประสงค์เพื่อตรวจสอบความสัมพันธ์ระหว่างการใช้งานอินเทอร์เน็ตที่มีปัญหา (PIU), ความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต (IGD) และความสามารถในการเรียนรู้โดยนัยและการกระตุ้น / การเสี่ยงภัย

วิธีการ

ในการศึกษา 1 N = ผู้เยี่ยมชมชาย 87 คนซึ่งได้รับคัดเลือกจาก“ Gamescom” ในโคโลญ (2013) โดยกรอกแบบทดสอบการติดอินเทอร์เน็ต (s-IAT) แบบสั้น ๆ แบบทดสอบการติดเกมออนไลน์ (OGAS) และทำภารกิจทดลองเพื่อประเมินโดยนัย ความสามารถในการเรียนรู้ ในการศึกษาที่ 2 กลุ่มผู้เล่นเกม WoW และผู้เข้าร่วมการควบคุมได้ดำเนินการตั้งค่าเดียวกันเพื่อจำลองผลการศึกษา 1 การศึกษาที่ 3 ใช้การทดลองฉบับแก้ไขเพื่อวัดความหุนหันพลันแล่น / การรับความเสี่ยงในกลุ่มผู้เข้าร่วมที่มีสุขภาพดี .

ผลสอบ

ในการศึกษา 1 ผลการวิจัยพบว่ามีความสัมพันธ์เชิงลบอย่างมีนัยสำคัญระหว่างคะแนน S-IAT และการวัดการเรียนรู้โดยนัยของผู้เข้าร่วม Gamescom ชาย ในการศึกษา 2 คะแนนการเสพติด s-IAT และ WoW มีความสัมพันธ์เชิงลบกับการเรียนรู้โดยนัยเฉพาะในผู้เล่น WoW เพศชายซึ่งสะท้อนผลลัพธ์จากการศึกษา 1 ในการศึกษา 3 คะแนน OGAS มีความสัมพันธ์เชิงบวกกับการวัดการทดลองของแรงกระตุ้น / การรับความเสี่ยง

สรุป

ในโครงการวิจัยในปัจจุบันการเรียนรู้โดยปริยายขาดความเชื่อมโยงกับ PIU เฉพาะในผู้เข้าร่วมชายกับ (แนวโน้มไป) IGD การค้นพบเหล่านี้อาจช่วยแยกแยะผลลัพธ์ที่ตรงข้ามกับความสัมพันธ์นี้เมื่อพิจารณาเพศของผู้เข้าร่วม นอกจากนี้แนวโน้มการรับความเสี่ยงที่สูงขึ้นนั้นเกี่ยวข้องกับ IGD ในหมู่ผู้เข้าร่วมที่มีสุขภาพดีดังนั้นจึงแนะนำศักยภาพของการรับความเสี่ยงในการทำนาย IGD ในประชากรที่ไม่ใช่นักเล่นเกม

คำสำคัญ

• การติดอินเทอร์เน็ต
• ความผิดปกติในการเล่นเกมทางอินเทอร์เน็ต;
• การเรียนรู้โดยนัย
• ความเสี่ยง

1. บทนำ

อินเทอร์เน็ตพบหนทางสู่ชีวิตประจำวันของคนจำนวนมากทั่วโลกซึ่งนำเสนอวิธีที่ง่ายในการรวบรวมข้อมูลและใช้ความบันเทิง ด้วยจำนวนผู้ใช้อินเทอร์เน็ตที่เพิ่มขึ้นทำให้คิดเป็นเกือบร้อยละ 50 ของประชากรโลกในขณะนี้ (เข้าถึงได้บน 07.09.16 http://www.internetlivestats.com/internet-users/) จำนวนรายงานเกี่ยวกับการใช้งานอินเทอร์เน็ตที่มีปัญหา (PIU) เพิ่มขึ้น ในการศึกษาตัวแทนจากประเทศเยอรมนีN = ผู้เข้าร่วม 15,024 คน) Rumpf, Meyer, Kreuzer, John และ Merkeerk (2011) พบความชุกของการติดอินเทอร์เน็ต 1.5% โดยผู้ใช้ที่อายุน้อยกว่ามีสัดส่วนที่สูงขึ้น (4% ในกลุ่มเด็กอายุ 14-16 ปี) ความพยายามครั้งแรกในการกำหนดและวินิจฉัย PIU¹ ได้รับการจัดทำโดย Kimberly Young ในปี 1998 (ดูรายงานกรณีแรกจาก หนุ่ม 1996) ตั้งแต่นั้นมาการทดสอบและเครื่องมือคัดกรองจำนวนมากได้รับการพัฒนา (เช่น หนุ่ม 1998b, หนุ่ม 1998a และ  เทาและอื่น ๆ , 2010) เพื่อที่จะสามารถคำนวณความชุกในประชากรต่าง ๆ และให้การรักษาผู้ป่วยอย่างมีประสิทธิภาพ อย่างไรก็ตามยังไม่มีการจำแนกประเภท nosological ปัจจุบันของ PIU การวิจัยเกี่ยวกับการติดเกมออนไลน์ดูเหมือนจะเป็นอีกขั้นหนึ่งเนื่องจาก Internet Gaming Disorder (IGD) ได้รวมอยู่ในหมวดที่สามของ DSM-5 ซึ่งหมายถึงการส่งเสริมการตรวจสอบเพิ่มเติมก่อนที่จะพิจารณาว่าเป็นโรคที่เป็นทางการ (สมาคมจิตแพทย์อเมริกัน) IGD ถือเป็นรูปแบบเฉพาะของ PIU ซึ่งทับซ้อนกันในส่วนเล็ก ๆ ด้วยรูปแบบทั่วไปของ PIU ที่อธิบายข้างต้น (เช่น เดวิส 2001 และ  Montag และคณะ, 2015).

1.1 PIU และการเรียนรู้ / การตัดสินใจโดยปริยาย

การขาดดุลในการตัดสินใจมีการแสดงในการศึกษาจำนวนมากการตรวจสอบผู้ป่วยที่มีสารเสพติดและพฤติกรรมเสพติด (เช่น Bechara และคณะ, 2001 และ  Schoenbaum และคณะ, 2006) เนื่องจากความคล้ายคลึงกันในแนวคิดของ PIU และการติดพฤติกรรม / สาร (หนุ่ม 1998a) หัวข้อการตัดสินใจยังมีความเกี่ยวข้องสูงเพื่อให้เข้าใจลักษณะการใช้งานอินเทอร์เน็ตมากเกินไป เมื่อประเมินการตัดสินใจที่สร้างความแตกต่างระหว่างการตัดสินใจภายใต้ความคลุมเครือและการตัดสินใจภายใต้ความเสี่ยงยี่ห้อและคณะ, 2006 และ  Schiebener และแบรนด์ 2015) ขณะที่อยู่ในการตัดสินใจภายใต้ความคลุมเครือกฎสำหรับกำไรและความสูญเสียและความน่าจะเป็นของผลลัพธ์ที่แตกต่างกันจะไม่ได้อธิบายอย่างชัดเจน (วัดเช่นกับ ผลที่ตามมาและความน่าจะเป็นสำหรับกำไรและขาดทุนนั้นมีอยู่หรือสามารถคำนวณได้ (วัดได้เช่นกับ Game of Dice Task หรือ GDT)ยี่ห้อและคณะ, 2006 และ  Schiebener และแบรนด์ 2015) ขึ้นอยู่กับความแตกต่างนี้และแบบจำลองกระบวนการสองขั้นตอนของการตัดสินใจ (เช่น Epstein, 2003), Schiebener และแบรนด์ (2015) เสนอแบบจำลองเชิงทฤษฎีเพื่ออธิบายการตัดสินใจภายใต้ความเสี่ยง ในรูปแบบนี้บทบาทของผู้บริหารจะถูกเน้นเป็นกุญแจสำคัญของความเกี่ยวข้องสำหรับการตัดสินใจภายใต้ความเสี่ยง แต่ไม่ใช่การตัดสินใจภายใต้ความคลุมเครือ รางวัลทางอารมณ์และการลงโทษควรมาพร้อมกับการตัดสินใจทั้งสองรูปแบบ ดังนั้นทั้งกระบวนการไตร่ตรอง (ควบคุมโดยการรับรู้) พร้อมกับกระบวนการหุนหันพลันแล่น (เกิดจากการคาดหวังผลตอบแทนทางอารมณ์และการลงโทษ) อาจเกี่ยวข้องกับกระบวนการตัดสินใจภายใต้เงื่อนไขความเสี่ยงตามวัตถุประสงค์ (Schiebener & Brand, 2015) ยิ่งไปกว่านั้นมีการเสนอปัจจัยต่าง ๆ เช่นข้อมูลเกี่ยวกับสถานการณ์การตัดสินใจคุณลักษณะของแต่ละบุคคลและสภาวะที่ชักนำให้เกิดสถานการณ์และอิทธิพลภายนอกที่มีผลต่อการตัดสินใจ (Schiebener & Brand, 2015).

ในส่วนที่เกี่ยวกับการเสพติดอินเทอร์เน็ตมีการเสนอกรอบทฤษฎีใหม่โดย แบรนด์, Young, Laier, Wölflingและ Potenza (2016)เรียกว่าการโต้ตอบของ Person-Affect-Cognition-Execution (I-PACE) ซึ่งการด้อยค่าของฟังก์ชั่นผู้บริหารและการควบคุมการยับยั้งได้รับการเน้นว่ามีความเกี่ยวข้องสำหรับการพัฒนาของ PIU ตามรูปแบบนี้การพัฒนาและการบำรุงรักษาความผิดปกติของการใช้งานอินเทอร์เน็ตโดยเฉพาะได้รับการโต้ตอบระหว่างปัจจัยโน้มเอียง (เช่นบุคลิกภาพและโรคจิต) ผู้ดูแล (เช่นรูปแบบการเผชิญปัญหาที่ผิดปกติและความคาดหวังทางอินเทอร์เน็ต) และผู้ไกล่เกลี่ย ปฏิสัมพันธ์ที่ซับซ้อนเหล่านี้บวกกับการได้รับความพึงพอใจและการเสริมแรงเชิงบวกอันเป็นผลมาจากการใช้คุณสมบัติบางอย่างของอินเทอร์เน็ตและด้วยการลดฟังก์ชั่นผู้บริหารและการควบคุมการยับยั้งอาจส่งผลให้เกิดความผิดปกติในการใช้อินเทอร์เน็ต

จนถึงขณะนี้มีการศึกษาเชิงประจักษ์ไม่กี่ครั้งในบริบทของ PIU การควบคุมการยับยั้งและการตัดสินใจ ส่วนใหญ่เป็นไปตามกรอบทฤษฎีที่กล่าวข้างต้นโดย ยี่ห้อและคณะ (2016). ซันและอัล (2009) ตัวอย่างเช่นรายงานประสิทธิภาพที่แย่ลงในงานการพนันในผู้ใช้อินเทอร์เน็ตที่มากเกินไปและตัวเลือกที่ช้ากว่าของกลยุทธ์ที่ประสบความสำเร็จเมื่อเปรียบเทียบกับผู้เข้าร่วมควบคุม ในการศึกษาล่าสุด Pawlikowski และแบรนด์ (2011) รายงานความสามารถในการตัดสินใจที่ลดลงภายใต้ความเสี่ยงใน GDT ในกลุ่มผู้เล่น World of Warcraft (WoW) ที่มากเกินไปเมื่อเทียบกับผู้เข้าร่วมการควบคุม เหยาและคณะ (2015) ใช้เวอร์ชัน Go / NoGo ที่แก้ไขแล้ว (ซึ่งมีการใช้สิ่งกระตุ้นที่เกี่ยวข้องกับการเล่นเกมถัดจากสิ่งเร้าที่เป็นกลาง) และรายงานการลดการควบคุมการยับยั้งในผู้เข้าร่วมที่มี IGD เปรียบเทียบกับผู้เข้าร่วมควบคุม Laier, Pawlikowski และแบรนด์ (2014) พบผลลัพธ์ที่คล้ายกันกับ IGT รุ่นดัดแปลงเมื่อใช้ภาพลามกอนาจารและภาพที่เป็นกลางในช่องใส่การ์ดที่ได้เปรียบและ / หรือเสียเปรียบ ในตัวอย่างของผู้ใช้สื่อลามกอนาจารชายผู้เข้าร่วมแสดงให้เห็นถึงการตัดสินใจที่ไม่เพียงพอในการทดลองที่ภาพลามกอนาจารเกี่ยวข้องกับช่องใส่การ์ดที่เสียเปรียบ อย่างไรก็ตามผลการผสมที่เกี่ยวข้องกับการตัดสินใจในบริบทของ PIU หรือ IGD ได้รับการรายงาน ในการศึกษาโดย C. เกาะและอัล (2010) ตัวอย่างเช่นผู้เข้าร่วมที่ติดอินเทอร์เน็ตแสดงการตัดสินใจที่ดีกว่าวัดด้วย IGT เปรียบเทียบกับผู้เข้าร่วมที่ควบคุม ในการศึกษาโดย เหยาและคณะ (2015) อ้างถึงข้างต้นแล้วไม่พบความแตกต่างในการตัดสินใจใช้ IGT ระหว่างผู้เข้าร่วมที่มีสุขภาพดีและผู้ที่มี IGD เพื่อแยกแยะผลลัพธ์ที่ขัดแย้งกันเหล่านี้การศึกษาเพิ่มเติมการตรวจสอบตัวแปรรบกวนที่เป็นไปได้มีความจำเป็น มีการอธิบายตัวแปรเฉพาะอย่างหนึ่งในภายหลังในการศึกษาปัจจุบัน

1.2 PIU ความเสี่ยงและแรงกระตุ้น

เนื่องจากการศึกษาเบื้องต้นของ PIU ว่าเป็นความผิดปกติของการควบคุมแรงกระตุ้นทำให้มีการศึกษาจำนวนหนึ่งเพื่อสำรวจ PIU ในบริบทของแรงกระตุ้นและความเสี่ยง เฉาซู่หลิวและเกา (2007) และ ลีและคณะ (2012) แสดงให้เห็นว่า PIU มีความสัมพันธ์เชิงบวกกับลักษณะของความหุนหันพลันแล่นวัดด้วยมาตราส่วน Barratt Impulsiveness (BIS-11) ด้วยความเคารพต่อกรอบทฤษฎีโดย ยี่ห้อและคณะ (2016)ถูกนำมาใช้แล้วในด้านปัจจัยบุคลิกภาพแสดงให้เห็นถึงความสัมพันธ์ที่มั่นคงกับ PIU และดังนั้นจึงเสนอให้เป็นหนึ่งในปัจจัยที่มีอิทธิพลต่อการพัฒนาและการบำรุงรักษา ในวงกว้างความหุนหันพลันแล่นมีลักษณะเป็น“ ใจโอนเอียงไปทางปฏิกิริยาที่รวดเร็วและไม่ได้วางแผนต่อสิ่งกระตุ้นภายในหรือภายนอกโดยไม่คำนึงถึงผลกระทบด้านลบของปฏิกิริยาเหล่านี้ต่อบุคคลที่หุนหันพลันแล่นหรือต่อผู้อื่น” (Moeller, Barratt, Dougherty, Schmitz, & Swann, 2001; น. พ.ศ. 1784) คำที่เกี่ยวข้องกับการรับความเสี่ยงหมายถึง“ พฤติกรรมที่ดำเนินการภายใต้ความไม่แน่นอนโดยมีหรือไม่มีผลกระทบด้านลบโดยธรรมชาติและไม่มีการวางแผนฉุกเฉินที่มีประสิทธิภาพ” (Kreek, Nielsen, Butelman, & LaForge, 2005; น. พ.ศ. 1453) ซี เกาะและอัล (2010) ใช้งานบอลลูนความเสี่ยงแบบอะนาล็อก (Lejuez et al., 2002) เพื่อวัดความเสี่ยง แต่ไม่พบความสัมพันธ์ที่สำคัญกับ PIU ในการศึกษาปัจจุบันเรากำลังพิจารณาความสัมพันธ์เหล่านี้อีกครั้งโดยใช้ทั้งรายงานตัวเองพร้อมกับมาตรการทดลองของการกระตุ้น / การรับความเสี่ยง

1.3 บทบาทของเพศสำหรับ PIU / IGD

ปัญหาที่สำคัญอีกประการหนึ่งในบริบทของการติดอินเทอร์เน็ตคือความชอบของคุณลักษณะเฉพาะของอินเทอร์เน็ต (เช่นการซื้อของออนไลน์เกมออนไลน์) ขึ้นอยู่กับเพศ การศึกษาของตัวแทนจากเยอรมนีพบว่า 77.1% ของผู้หญิงที่ติดอินเทอร์เน็ตในช่วงอายุ 14–24 ปีใช้เว็บไซต์เครือข่ายสังคมเทียบกับผู้ชาย 64,8% ในวัยเดียวกัน (Rumpf และคณะ, 2011). ในการศึกษาเดียวกัน 7.2% ของผู้หญิงที่ติดอินเทอร์เน็ตที่อายุระหว่าง 14 ถึง 24 ปีรายงานว่าใช้อินเทอร์เน็ตเพื่อเล่นวิดีโอเกมออนไลน์เทียบกับ 33.6% ของผู้ชายในวัยเดียวกัน (Rumpf และคณะ, 2011) ดังนั้นดูเหมือนว่าด้วยความเคารพต่อ IGD ผู้เข้าร่วมแสดงชายชอบเล่นเกมออนไลน์ที่สูงขึ้นเมื่อเทียบกับผู้เข้าร่วมหญิงและมีความเสี่ยงที่จะพัฒนา IGD ยิ่งไปกว่านั้น Ko, Yen, Chen, Chen และ Yen (2005) ตั้งข้อสังเกตว่าอายุที่สูงกว่าความนับถือตนเองลดลงและความพึงพอใจในชีวิตประจำวันที่ลดลงมีความสัมพันธ์กับ IGD ที่รุนแรงมากขึ้นในหมู่เพศชาย แต่ไม่ใช่เพศหญิง แม้จะมีผลลัพธ์เหล่านี้ แต่ก็ยังมีการศึกษาเพียงไม่กี่อย่างที่พิจารณาเพศของผู้เข้าร่วมว่าเป็นตัวแปรผู้ดูแล / ผู้ไกล่เกลี่ยในบริบทของ PIU อย่างไรก็ตามมีความเป็นไปได้ที่ความแตกต่างเหล่านี้มีผลต่อผลลัพธ์บางอย่างในสนามและดังนั้นในการศึกษาต่อไปนี้พวกเขาจะถูกนำมาพิจารณา

เป้าหมายของโครงการวิจัยของเราคือเพื่อตรวจสอบความเชื่อมโยงระหว่าง PIU และ IGD และการเรียนรู้โดยนัยในกลุ่มผู้เข้าร่วมชายที่มีความชัดเจนต่อ IGD (ศึกษา 1) ในการศึกษา 2 เรามุ่งที่จะจำลองผลลัพธ์เหล่านี้โดยการเปรียบเทียบผู้เข้าร่วมที่มีสุขภาพดีและผู้เล่น WoW ที่มากเกินไปภายใต้การพิจารณาเรื่องเพศ วัตถุประสงค์ของการศึกษา 3 คือการสำรวจความสัมพันธ์ระหว่าง PIU, IGD และ Impulsivity / การเสี่ยง (รายงานตนเองและข้อมูลการทดลอง) ในผู้เข้าร่วมที่มีสุขภาพดี

จากวรรณกรรมที่กล่าวมาแล้วเราได้กำหนดสมมติฐานดังต่อไปนี้:

สมมติฐาน 1

เราคาดว่าความสัมพันธ์เชิงลบระหว่าง PIU / IGD และความสามารถในการเรียนรู้โดยนัย (Study 1)

สมมติฐาน 2

เราคาดว่าความสัมพันธ์เชิงลบระหว่าง PIU / IGD และความสามารถในการเรียนรู้โดยนัย (Study 2) เราคาดว่าความสัมพันธ์เชิงลบนี้จะแข็งแกร่งที่สุดในกลุ่มผู้เล่น WoW ชาย

สมมติฐาน 3

เราคาดหวังความสัมพันธ์เชิงบวกระหว่าง PIU / IGD และการรายงานตนเองและมาตรการทดลองของการกระตุ้น / รับความเสี่ยงในผู้เข้าร่วมที่มีสุขภาพดี (ศึกษา 3)

2 ศึกษา 1

2.1 วิธีการ

2.1.1 ผู้เข้าร่วม

N = ผู้เข้าร่วม 107 คน (ชาย 99 คนหญิง 8 คนอายุ M = 19.52, SD = 3.57) ได้รับคัดเลือกในงาน“ Gamescom 2013” ​​ในเยอรมนีซึ่งเป็นงานเกมที่ใหญ่ที่สุดในโลก อย่างไรก็ตามเนื่องจากจำนวนผู้เข้าร่วมที่เป็นผู้หญิงในกลุ่มตัวอย่างปัจจุบันมีน้อยมาก (n = 8) และความแตกต่างระหว่างเพศที่รายงานข้างต้นในบริบทของ IGD (เช่น Rumpf และคณะ, 2011) เราไม่รวมผู้เข้าร่วมหญิงจากการวิเคราะห์เพิ่มเติมของการศึกษา หลังจากนั้นไม่รวมผู้เข้าร่วมที่มีข้อมูลที่ขาดหายไปตัวอย่างก็ส่งผลให้ n = 79 ผู้เข้าร่วมชาย (อายุ M = 19.81, SD = 3.62) เกี่ยวกับการศึกษาของพวกเขา 8.9% รายงานว่าจบการศึกษาระดับมหาวิทยาลัยหรือโพลีเทคนิคอีก 40.5% รายงานว่ามีประกาศนียบัตรบัณฑิตระดับ A หรืออาชีวศึกษาและ 26.6% รายงานว่ามีโรงเรียนมัธยมศึกษาที่ออกจากประกาศนียบัตรหรือวุฒิมัธยมศึกษาตอนปลายในขณะที่ 24.1% รายงานว่าไม่มีประกาศนียบัตรของโรงเรียน

2.1.2 มาตรการ

ผู้เข้าร่วมตอบคำถามเกี่ยวกับอายุเพศและการศึกษาของพวกเขาซึ่งเป็นแบบทดสอบสั้น ๆ ของการเสพติดอินเทอร์เน็ต (s-IAT) Pawlikowski, Altstötter-Gleich, & Brand, 2013; อัลฟ่าของครอนบาคในตัวอย่างปัจจุบันคือ 0.70) ซึ่งมีรายการที่ปรับขนาด Likert 12 รายการ (1 = ไม่ถึง 5 = บ่อยมาก) และมาตราส่วนการติดเกมออนไลน์ (OGAS ซึ่งเป็นมาตราส่วนการเสพติดการเล่นเกมฉบับแก้ไขโดย เลมเมนส์วาลเคนเบิร์กและปีเตอร์ 2009โดยที่คำว่า "ออนไลน์" ถูกเพิ่มเข้าไปในทุกรายการ อัลฟ่าของครอนบาคในตัวอย่างปัจจุบันคือ 0.66) ซึ่งประกอบด้วย 7 รายการตั้งแต่ 1 = ไม่เคยและ 5 = บ่อยมาก นอกจากนี้ผู้เข้าร่วมให้คะแนนประสบการณ์การเล่นเกมคอมพิวเตอร์ (เช่น“ คุณเล่นเกมคอมพิวเตอร์มากี่ปีแล้ว” หรือ“ คุณเล่นเกมคอมพิวเตอร์ออนไลน์โดยเฉลี่ยกี่ชั่วโมงต่อสัปดาห์”) มีการจัดการแบบรายงานการวัดความเสี่ยงด้วยตนเองซึ่งรวมถึงหนึ่งรายการเกี่ยวกับแนวโน้มการรับความเสี่ยงโดยรวม (“ คุณจะอธิบายตัวเองอย่างไรจาก 0 (ไม่เต็มใจที่จะรับความเสี่ยง) ถึง 10 (เต็มใจที่จะรับความเสี่ยงอย่างแท้จริง”) ; German Socio-Econimic Panel (SOEP; Siedler, Schupp, Spiess, & Wagner, 2008). เราใช้งานทดลองที่ปรับเปลี่ยนเล็กน้อย (“ Devil's chest”) ซึ่งรวมจากการศึกษาของ Eisenegger และคณะ (2010)เพื่อวัดการเรียนรู้โดยนัย ในการทดลอง 36 ทั้งหมดเราได้นำเสนอภาพกล่องไม้ปิดสิบภาพบนหน้าจอคอมพิวเตอร์ กล่องถูกจัดเรียงในแถวเดียวและผู้เข้าร่วมมีโอกาสเปิดจำนวนกล่องที่เลือกด้วยตนเองจากนั้นทำงานจากซ้ายไปขวา ผู้เข้าร่วมได้รับคำสั่งว่ากล่องเก้ากล่องมีรางวัลเงินเสมือนจริง (5 เซนต์) และอีกกล่องหนึ่งบรรจุ“ ปีศาจ” หากผู้เข้าร่วมเปิดเฉพาะกล่องรางวัลในการทดลองที่กำหนดพวกเขาจะดำเนินการทดลองต่อไปโดยได้รับผลรวมของรางวัล หากพวกเขาเปิดกล่องที่มีมารท่ามกลางกล่องอื่นพวกเขาสูญเสียทุกอย่างในการทดลองปัจจุบัน ตำแหน่งที่จะเกิดขึ้นของปีศาจถูกสุ่มในการทดลอง 36 แต่ปรากฏในแต่ละตำแหน่งจาก 2 ถึง 10² แน่นอนสี่ครั้ง แม้ว่าสิ่งนี้จะไม่ได้กล่าวถึงผู้เข้าร่วม แต่ผู้เข้าร่วมที่มีทักษะความรู้ความเข้าใจสูงกว่าอาจเข้าใจถึงกฎนี้โดยปริยายและอาจเรียนรู้ที่จะทำงานได้ดีขึ้นในระหว่างการทดลอง ผลตอบแทนทางการเงินทั้งหมดเมื่อสิ้นสุดการทดลองเรียกว่า "กำไร" และจะใช้เป็นเครื่องชี้วัดการเรียนรู้โดยนัย การตั้งค่าการทดลองถูกอธิบายใน มะเดื่อ. 1.

มะเดื่อ. 1 

การทดลองตั้งหีบปีศาจ - การเปิดหีบด้วยปีศาจนำไปสู่การสูญเสียเหรียญที่เก็บรวบรวมทั้งหมดของการทดลองที่กำหนด

ตัวเลือกรูป

2.1.3 ขั้นตอน

แบบสอบถามเป็นภาษาอังกฤษทั้งหมดได้รับการแปลเป็นภาษาเยอรมันโดยกลุ่มงานของเราเอง ผู้เข้าร่วมกรอกแบบสอบถามก่อนจากนั้นจึงทำการทดลองหน้าอกของปีศาจ โปรดทราบว่าผู้เข้าร่วมในการศึกษา 1 ไม่ได้รับรางวัลเป็นเงินใด ๆ หลังจากเสร็จสิ้นการทดลองและพวกเขาได้รับแจ้งเกี่ยวกับข้อเท็จจริงนี้ก่อนที่จะเสร็จสิ้นการทดสอบ

2.1.4 การวิเคราะห์ทางสถิติ

สำหรับการวิเคราะห์ต่อไปนี้จะทำการตรวจสอบความเป็นไปได้ของข้อมูลโดยใช้กฎง่ายๆที่แนะนำโดย Miles and Shevlin (2001; p. 74)โดยพิจารณาจากความเบ้ของตัวแปรที่ตรวจสอบ การวิเคราะห์สหสัมพันธ์คำนวณด้วยความสัมพันธ์ของเพียร์สันหรือสเปียร์แมนขึ้นอยู่กับการกระจายของข้อมูลและช่วงความเชื่อมั่นที่ได้รับการแก้ไขอคติและเร่งการบูตสแตรป (ช่วงความเชื่อมั่น BCa 95%) ถูกคำนวณสำหรับทุกค่าสัมประสิทธิ์สหสัมพันธ์เพื่อทดสอบความสำคัญ การวัดซ้ำ ANOVA ถูกใช้เพื่อทดสอบผลการเรียนรู้โดยปริยายเมื่อเปรียบเทียบการเพิ่มขึ้นในการทดลอง 18 ครั้งแรกกับการเพิ่มขึ้นในการทดลอง 18 ครั้งสุดท้ายของการทดลอง

2.1.5 จริยธรรม

โครงการวิจัย (ศึกษา 1, 2 และ 3) ได้รับการอนุมัติโดยคณะกรรมการจริยธรรมท้องถิ่นของมหาวิทยาลัยบอนน์, บอนน์, เยอรมนี อาสาสมัครทุกคนให้ความยินยอมก่อนการศึกษา

2.2 ผล

วิธีการและค่าเบี่ยงเบนมาตรฐานของตัวแปรภายใต้การตรวจสอบจะถูกนำเสนอใน 1 ตาราง.

1 ตาราง

ค่าเฉลี่ย, ค่าเบี่ยงเบนมาตรฐาน (SD) และช่วงที่เป็นไปได้ / จริงสำหรับประสบการณ์การเล่นเกมตัวแปร (ปี), ชั่วโมงการเล่นเกมออนไลน์ต่อสัปดาห์, S-IAT, OGAS, GAIN และการเสี่ยง (รายงานตนเอง)

N = 79, รับความเสี่ยง (รายงานตนเอง) n = 64

a

โปรดทราบว่าช่วงสูงสุดที่เป็นไปได้สำหรับตัวแปร GAIN ถูกประมาณภายใต้สมมติฐานที่ว่าปีศาจจะปรากฏในทุกการทดลอง 36 ครั้งในตำแหน่ง 10 และผู้เข้าร่วมจะหยุดการทดลองปัจจุบันที่ตำแหน่ง 9 ดังนั้นปีศาจจะไม่ขัดขวาง ขั้นตอนการเปิดกล่องและผู้เข้าร่วมจะได้รับเงินสูงสุดเท่าที่จะเป็นไปได้ต่อการทดลองหนึ่งครั้ง (= 45 MU) ในทุก ๆ การทดลองติดต่อกัน อย่างไรก็ตามตามความเป็นจริงแล้วมีความเป็นไปได้ต่ำมากที่เหตุการณ์นี้จะเกิดขึ้น

ตัวเลือกตาราง

2.2.1 การวิเคราะห์สหสัมพันธ์

เฉพาะตัวแปร GAIN เท่านั้นที่ไม่ได้รับการแจกจ่ายตามปกติ อายุของผู้เข้าร่วมมีความสัมพันธ์เชิงบวกกับ GAIN (ρ = 0.27, p <0.05) ยิ่งไปกว่านั้น GAIN ยังแสดงความสัมพันธ์เชิงลบกับคะแนน s-IAT (ρ = - 0.26, p <0.05) นอกจากนี้เรายังคำนวณความสัมพันธ์บางส่วนสำหรับ GAIN และคะแนน s-IAT เพื่อควบคุมอายุ ความสัมพันธ์ยังคงมีนัยสำคัญ (r = - 0.28, p <0.05) ความสัมพันธ์เชิงลบระหว่าง GAIN และคะแนน OGAS ไม่ถึงนัยสำคัญเล็กน้อย (ρ = - 0.20, p = 0.073) และยังคงไม่มีนัยสำคัญหลังจากควบคุมอายุ (r = - 0.12, p = 0.292) ความสัมพันธ์ที่สำคัญทั้งหมดยังคงมีนัยสำคัญหลังจากการตรวจสอบช่วงความเชื่อมั่น BCa 95% โปรดมอง 2 ตาราง สำหรับภาพรวมของผลลัพธ์ (ดู มะเดื่อ. 2 และ  มะเดื่อ. 3.)

2 ตาราง

ความสัมพันธ์ระหว่าง GAIN ในการทดลอง "Devil's chest" กับ s-IAT คะแนน OGAS และการรับความเสี่ยง (รายงานด้วยตนเอง)

N = 79, รับความเสี่ยง (รายงานตนเอง) n = 64; ความสัมพันธ์ของสเปียร์แมนเป็นภาพใน ตัวเอียง.

⁎⁎

p <0.01

⁎

p <0.05

ตัวเลือกตาราง

มะเดื่อ. 2 

ค่าเฉลี่ยและข้อผิดพลาดมาตรฐานสำหรับ GAIN ในการทดลอง 18 ครั้งแรกเทียบกับ GAIN ในการทดลอง 18 ครั้งล่าสุดของการทดลอง "Devil's chest" MU = หน่วยการเงิน

ตัวเลือกรูป

มะเดื่อ. 3 

หมายถึงและข้อผิดพลาดมาตรฐานสำหรับ GAIN ในช่วง 18 แรกเทียบกับการทดลอง 18 ครั้งสุดท้ายของการทดสอบ "Devil's chest" สำหรับผู้เข้าร่วมการควบคุม (กราฟด้านซ้าย) และผู้เล่น WoW (กราฟด้านขวา) MU = หน่วยการเงิน

ตัวเลือกรูป

2.2.2. การจัดการตรวจสอบการทดลอง "หน้าอกปีศาจ" เป็นการวัดการเรียนรู้โดยปริยาย

ผลของการวัดซ้ำ ANOVA แสดงความแตกต่างเฉลี่ยที่สำคัญระหว่าง GAIN ในการทดลอง 18 ครั้งแรกของการทดลองเปรียบเทียบกับการทดลอง 18 ครั้งล่าสุด (F(1,78) = 17.303, p <0.01) แสดงให้เห็นว่าผู้เข้าร่วมได้รับเงินมากกว่าในส่วนที่สองของการทดสอบ (M₁ = 192.34 และ M₂ = 221.27 ตามลำดับ)

2.3 การสนทนา

เพื่อสรุปตามที่เสนอในสมมุติฐานของเราในการศึกษา 1 การติดอินเทอร์เน็ตนั้นสัมพันธ์กับความสามารถในการเรียนรู้โดยปริยาย ผลลัพธ์นี้ให้หลักฐานเพิ่มเติมเกี่ยวกับบทบาทของการตัดสินใจที่ไม่ดีในบริบทของ PIU (เช่น ยี่ห้อและคณะ, 2016) การเชื่อมโยงกับ IGD นั้นเป็นไปในทิศทางเดียวกัน สิ่งนี้อาจอธิบายได้ด้วยขนาดตัวอย่างที่ค่อนข้างเล็กและ / หรือความสอดคล้องภายในที่ค่อนข้างต่ำ (0.66) ของสเกล OGAS ในการศึกษานี้ เพื่อที่จะตรวจสอบความสัมพันธ์เหล่านี้เพิ่มเติมและเปรียบเทียบผลระหว่างผู้เข้าร่วมชายและหญิงและระหว่างนักเล่นเกมและผู้ที่ไม่ใช่นักเล่นเกมการศึกษา 2 ได้ดำเนินการ

2.4 ศึกษา 2

จุดมุ่งหมายของการศึกษาครั้งที่สองคือการจำลองผลการศึกษาที่ 1 โดยใช้กลุ่มตัวอย่างของผู้เล่น World of Warcraft (WoW) และผู้เข้าร่วมการควบคุมที่ไร้เดียงสาต่อ WoW เนื่องจากความสัมพันธ์ระหว่าง s-IAT และ GAIN เป็นตัวชี้วัดการเรียนรู้โดยนัยสามารถสังเกตได้ในผู้เข้าร่วมชายที่มีความเด่นชัดกับ IGD เราจึงสนใจที่จะเห็นการจำลองผลการศึกษา 1 โดยเฉพาะในนักเล่นเกม WoW ชาย

2.5 วิธีการ

2.5.1 ผู้เข้าร่วม

ผู้เล่น WoW และผู้เข้าร่วมการควบคุมเข้ามามีส่วนร่วมในการศึกษา ผู้เล่น WoW ได้รับคัดเลือกโดยใช้เกณฑ์ต่อไปนี้: ประสบการณ์การเล่นเกม WoW เป็นเวลาอย่างน้อยสองปี เกณฑ์การยกเว้นคือการเล่นเกมอื่นที่ไม่ใช่ WoW เป็นเวลา> 7 ชั่วโมงต่อสัปดาห์อย่างไรก็ตามผู้เข้าร่วมที่ไม่มีประสบการณ์ในเกมอื่นควรได้รับคัดเลือก ผู้ควบคุมจำเป็นต้องเป็นคนไร้เดียงสาดังนั้นจึงไม่มีประสบการณ์ในการเล่นเกมนี้มาก่อน เกณฑ์การยกเว้นสำหรับผู้เข้าร่วมทั้งสองกลุ่ม ได้แก่ ความบกพร่องทางสายตาความยากลำบากในการอ่านและการเขียน dyschromatopsia การถูกกระทบกระแทกการใช้ยาในระยะยาวโรคทางระบบประสาทและจิตเวชความพิการทางการได้ยินและการใช้สารเสพติดในระดับสูง หลังจากการตรวจสอบตัวอย่างอย่างละเอียดแล้วเราได้แยกผู้เข้าร่วมรายหนึ่งรายเนื่องจากความผิดปกติของการกินและการบริโภคกัญชาในแต่ละวันผู้เข้าร่วม XNUMX คนเนื่องจากความผิดปกติทางระบบประสาทและจิตเวชและผู้เข้าร่วมรายหนึ่งเนื่องจากค่านิยมมากและผู้เข้าร่วมที่ไม่มีข้อมูลซึ่งส่งผลให้ n = ผู้เข้าร่วมควบคุม 77 คน (ชาย 39 คน) และ n = 44 ผู้เล่น WoW (ชาย 28 คน) 6.5% (n = 5) ของผู้เข้าร่วมการควบคุมรายงานการใช้งานเกมเล่นตามบทบาทออนไลน์แบบไม่เป็นทางการ (<3 ชั่วโมงการเล่นเกมคอมพิวเตอร์ต่อสัปดาห์) และ 23.4% (n = 18) รายงานการใช้งานเกม Ego-shooter แบบไม่เป็นทางการ (การเล่นเกม <1 ชั่วโมงต่อสัปดาห์) อายุเฉลี่ยของกลุ่มตัวอย่างทั้งหมดคือ M = 23.70 (SD = 3.93) เกี่ยวกับการศึกษาของพวกเขา 10.7% รายงานว่าสำเร็จการศึกษาระดับมหาวิทยาลัยอีก 85.9% รายงานว่ามีประกาศนียบัตรบัณฑิตระดับ A หรือสายอาชีพและ 2.5% รายงานว่ามีโรงเรียนมัธยมที่ออกใบรับรองหรือวุฒิมัธยมศึกษาตอนปลาย คนหนึ่งไม่ได้ตอบคำถามเกี่ยวกับการศึกษา

2.5.2 มาตรการ

ที่นี่อีกครั้ง s-IAT (Pawlikowski และคณะ, 2013; อัลฟ่าของครอนบาคในตัวอย่างปัจจุบันคือ 0.76), OGAS (การแก้ไข GAS โดย Lemmens et al., 2009; Alpha ของ Cronbach ในตัวอย่างปัจจุบันเท่ากับ 0.88) และมีการประเมินประสบการณ์การเล่นเกมคอมพิวเตอร์ นอกจากนี้ World of Warcraft Specific Problematic Usage-Engagement Questionnaire (WoW-SPUQ) ซึ่งประกอบด้วย 27 รายการโดยให้คะแนนตามมาตราส่วนตั้งแต่ 1 =“ ไม่เห็นด้วยโดยสิ้นเชิง” ถึง 7 =“ เห็นด้วยอย่างสมบูรณ์” (ปีเตอร์สแอนด์เมเลสกี้, 2008; อัลฟ่าของครอนบาคในตัวอย่างปัจจุบันคือ 0.89) ถูกเติมโดยกลุ่ม WoW เท่านั้น ยิ่งไปกว่านั้น Barratt Impulsivity Scale (BIS-11; Patton & Stanford, 1995; อัลฟ่าของครอนบาคในกลุ่มตัวอย่างปัจจุบันเท่ากับ 0.85) ได้รับการจัดการเพื่อวัดความหุนหันพลันแล่น (มีการให้คะแนน 30 รายการในระดับตั้งแต่ 1 =“ ไม่ค่อย / ไม่เคย” ถึง 4 =“ เกือบตลอดเวลา / เสมอ”) ด้วยมาตราส่วนนี้สามารถประเมินปัจจัยลำดับที่สองได้สามประการ: แรงกระตุ้นโดยเจตนาหมายถึงการไม่สามารถโฟกัสความสนใจหรือมีสมาธิได้ ความหุนหันพลันแล่นของมอเตอร์เกี่ยวข้องกับการแสดงโดยไม่คิดในขณะที่ความหุนหันพลันแล่นโดยไม่วางแผนเกี่ยวข้องกับการขาด "อนาคต" หรือความคิดล่วงหน้า (Stanford และคณะ, 2009) ความสอดคล้องภายในสำหรับระดับย่อยในการศึกษาปัจจุบันคือ 0.73, 0.69 และ 0.69 ตามลำดับ

2.5.3 ขั้นตอน

ผู้เข้าร่วมมีส่วนร่วมในการศึกษาระยะยาวขนาดใหญ่เพื่อตรวจสอบปัจจัยทางชีววิทยาถัดจากตัวแปรทางจิตวิทยาและบทบาทของพวกเขาสำหรับ IGD สำหรับการศึกษาในปัจจุบันมีการใช้เฉพาะข้อมูลจากจุดวัดแรกในการทดสอบและจำลองสิ่งที่ค้นพบจากการศึกษาที่ 1 (การทดลองหน้าอกของปีศาจเป็นครั้งที่สอง (T2) นั้นไม่สามารถเทียบได้กับการไร้เดียงสากับการศึกษาที่ 1 ). แบบสอบถามและการทดลองเสร็จสมบูรณ์ในลำดับเดียวกันกับการศึกษา 1 เมื่อเทียบกับการศึกษา 1 อย่างไรก็ตามในการศึกษา 2 ผู้เข้าร่วมได้รับเงินจำนวนเงินที่พวกเขาชนะในการทดลอง "Devil's chest" และพวกเขาได้รับแจ้งเกี่ยวกับข้อเท็จจริงนี้ ก่อนเสร็จสิ้นการทดสอบ

2.5.4 การวิเคราะห์ทางสถิติ

การประเมินข้อมูลดำเนินการแบบอะนาล็อกเพื่อศึกษา 1

2.6 ผล

คะแนน OGAS และชั่วโมงการเล่นเกมออนไลน์ต่อสัปดาห์นั้นไม่ได้มีการแจกจ่ายในกลุ่มผู้เข้าร่วมการควบคุมชายและหญิง นอกจากนี้คะแนนและอายุ s-IAT ยังไม่ได้มีการแจกจ่ายในกลุ่มผู้เข้าร่วมการควบคุมหญิง ความสัมพันธ์ระหว่าง GAIN และคะแนน s-IAT ในกลุ่มของผู้เล่น WoW เพศชายได้รับการทดสอบด้านเดียวตามผลการวิจัยในการศึกษา 1

สถิติเชิงพรรณนาสำหรับผู้เข้าร่วมการควบคุมและผู้เล่น WoW จะถูกนำเสนอใน 3 ตาราง. ผู้เข้าร่วมการควบคุมที่นี่เป็นชายและหญิงมีประสบการณ์การเล่นเกมลดลงอย่างมีนัยสำคัญชั่วโมงการเล่นเกมออนไลน์ต่อสัปดาห์และคะแนน OGAS เมื่อเทียบกับผู้เล่น WoW ชายและหญิง (ดู 3 ตาราง) ยิ่งไปกว่านั้นผู้เล่น WoW ตัวเมียมีคะแนน S-IAT สูงกว่าอย่างมีนัยสำคัญเมื่อเทียบกับผู้เข้าร่วมการควบคุมเพศหญิง ตัวแปรอื่น ๆ ทั้งหมดไม่แตกต่างกันอย่างมีนัยสำคัญระหว่างผู้เข้าร่วมการควบคุมและผู้เล่น WoW

3 ตาราง

หมายถึงค่าเบี่ยงเบนมาตรฐาน (SD) ช่วงที่เป็นไปได้ / จริง t-/U คุณค่าและความสำคัญสำหรับความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มควบคุมและกลุ่ม WoW (p) สำหรับประสบการณ์การเล่นเกมตัวแปร (ปี) ชั่วโมงการเล่นเกมออนไลน์ต่อสัปดาห์ GAIN, s-IAT, OGAS, WoW-SPUQ และ BIS-11 สำหรับ WoW และ ผู้เข้าร่วมควบคุม

ตัวเลือกตาราง

2.6.1 การวิเคราะห์สหสัมพันธ์

สำหรับกลุ่มผู้เข้าร่วมการควบคุมชายหรือหญิงอายุของผู้เข้าร่วมไม่มีความสัมพันธ์อย่างมีนัยสำคัญกับ GAIN, s-IAT หรือคะแนน OGAS ความสัมพันธ์อื่น ๆ ทั้งหมดจะถูกนำเสนอใน 4 ตาราง. ที่นี่กำไรไม่ได้เชื่อมโยงอย่างมีนัยสำคัญไม่ว่าจะเป็น s-IAT หรือคะแนน OGAS สำหรับผู้เข้าร่วมชายและหญิง นอกจากนี้คะแนน s-IAT ยังเชื่อมโยงในเชิงบวกกับ BIS-11 ซึ่งเป็นความตั้งใจของผู้เรียนในการควบคุมตัวผู้ ความสัมพันธ์ที่สำคัญทั้งหมดยังคงมีความสำคัญหลังจากการตรวจสอบช่วงความเชื่อมั่น BCa 95%

4 ตาราง

ความสัมพันธ์ของ Spearman และ Pearson สำหรับตัวแปร GAIN, s-IAT, OGAS และ BIS-11 สำหรับกลุ่มผู้เข้าร่วมการควบคุม

Spearman correlations ถูกอธิบายใน ตัวเอียง.

n (ตัวผู้) = 39, n (ตัวผู้, BIS-11) = 38, n (ตัวเมีย) = 38, n (ตัวเมีย, BIS-11) = 36

⁎⁎

p <0.01

⁎

p <0.05

ตัวเลือกตาราง

สำหรับกลุ่มผู้เล่น WoW เพศชายและเพศหญิงอายุไม่มีความสัมพันธ์อย่างมีนัยสำคัญกับคะแนน GAIN, s-IAT, OGAS หรือคะแนน WoW-SPUQ ความสัมพันธ์อื่น ๆ ทั้งหมดจะถูกนำเสนอใน 5 ตาราง. ที่นี่ GAIN มีความสัมพันธ์ทางลบกับ s-IAT รวมถึงคะแนน WoW-SPUQ เฉพาะในกลุ่มผู้เล่น WoW เพศชาย อย่างไรก็ตามสหสัมพันธ์เหล่านี้แสดงแนวโน้มที่มีนัยสำคัญเท่านั้น (r = - 0.30, p = 0.063, การทดสอบด้านเดียวและ r = - 0.313, p = 0.104, การทดสอบสองด้าน) ความสัมพันธ์ที่สำคัญทั้งหมดยังคงมีนัยสำคัญหลังจากการตรวจสอบช่วงความเชื่อมั่น BCa 95%

5 ตาราง

Spearman และ Pearson มีความสัมพันธ์กับตัวแปร GAIN, s-IAT, OGAS, คะแนน WoW-SPUQ และ BIS-11 สำหรับกลุ่มผู้เล่น WoW

Spearman correlations ถูกอธิบายใน ตัวเอียง. สำหรับผู้เข้าร่วมชายความสัมพันธ์ระหว่างกำไรที่ได้จากการทดลองกับคะแนน s-IAT นั้นถูกทดสอบด้านเดียว

n (ตัวผู้) = 28, n (ตัวผู้, BIS-11) = 27, n (ตัวเมีย) = 16, n (ตัวเมีย, BIS-11) = 15

⁎⁎

p <0.01

⁎

p <0.05

ตัวเลือกตาราง

2.6.2. การจัดการตรวจสอบการทดลอง "หน้าอกปีศาจ" เป็นการวัดการเรียนรู้โดยปริยาย

ผลของการวัดซ้ำ ANOVA ไม่ได้แสดงความแตกต่างอย่างมีนัยสำคัญระหว่าง GAIN ในช่วง 18 แรกและ 18 ครั้งสุดท้ายของการทดลอง "Devil's chest" ในกลุ่มผู้ชาย (F (1, 38) = 1.949, p = 0.171; M1 = 232.56 และ M2 = 218.21) และตัวเมีย (F (1, 37) = 0.594, p = 0.446; M1 = 221.18 และ M2 = 209.87) ควบคุมผู้เข้าร่วม สำหรับกลุ่มผู้เล่น WoW ชายความแตกต่างระหว่างการทดลอง 1–18 และ 19–36 มีนัยสำคัญ (F (1,27) = 5.377, p = 0.028, M1 = 235.54 และ M2 = 205.54; ด้วยผลลัพธ์ที่ต่ำกว่าใน M2 เมื่อเทียบกับ M1) ในขณะที่ผู้เล่น WoW หญิงยังคงไม่สำคัญ (F (1,15) = 0.295, p = 0.595, M1 = 225.31 และ M2 = 213.75)

หมายเหตุสำหรับผู้ใช้:
ต้นฉบับที่ยอมรับแล้วเป็นบทความในสื่อสิ่งพิมพ์ที่ผ่านการตรวจสอบและตรวจสอบโดยคณะกรรมการบรรณาธิการของสิ่งพิมพ์นี้ พวกเขายังไม่ได้คัดลอกแก้ไขและ / หรือจัดรูปแบบในสไตล์บ้านสิ่งพิมพ์และอาจยังไม่มีฟังก์ชั่น ScienceDirect เต็มรูปแบบเช่นไฟล์เสริมอาจยังจำเป็นต้องเพิ่มลิงก์ไปยังการอ้างอิงอาจไม่สามารถแก้ไขได้เป็นต้นข้อความอาจ ยังคงเปลี่ยนแปลงก่อนที่จะตีพิมพ์ครั้งสุดท้าย

แม้ว่าต้นฉบับที่ได้รับการยอมรับจะไม่มีรายละเอียดทางบรรณานุกรมทั้งหมด แต่ก็สามารถอ้างอิงได้โดยใช้ปีที่พิมพ์ออนไลน์และ DOI ดังต่อไปนี้: ผู้แต่ง, ชื่อบทความ, สิ่งพิมพ์ (ปี), DOI โปรดศึกษารูปแบบการอ้างอิงของวารสารเพื่อดูลักษณะที่แน่นอนขององค์ประกอบเหล่านี้การย่อชื่อวารสารและการใช้เครื่องหมายวรรคตอน

เมื่อบทความขั้นสุดท้ายถูกกำหนดให้กับเล่ม / ปัญหาของการตีพิมพ์บทความในรุ่นกดจะถูกลบออกและรุ่นสุดท้ายจะปรากฏขึ้นในเล่มที่ตีพิมพ์ / เชื่อมโยงที่เกี่ยวข้องของสิ่งพิมพ์ วันที่ที่บทความถูกเผยแพร่ครั้งแรกทางออนไลน์จะถูกส่งต่อ