ความแตกต่างระหว่างบุคคลในความสามารถในการเรียนรู้โดยนัยและพฤติกรรมหุนหันพลันแล่นในบริบทของการเสพติดอินเทอร์เน็ตและความผิดปกติของการพนันทางอินเทอร์เน็ตภายใต้การพิจารณาของเพศ (2018)

1 บทนำ

อินเทอร์เน็ตพบหนทางสู่ชีวิตประจำวันของคนจำนวนมากทั่วโลกซึ่งนำเสนอวิธีที่ง่ายในการรวบรวมข้อมูลและใช้ความบันเทิง ด้วยจำนวนผู้ใช้อินเทอร์เน็ตที่เพิ่มขึ้นทำให้คิดเป็นเกือบร้อยละ 50 ของประชากรโลกในขณะนี้ (เข้าถึงได้บน 07.09.16 จำนวนรายงานเกี่ยวกับการใช้อินเทอร์เน็ตที่มีปัญหา (PIU) เพิ่มขึ้น ในการศึกษาตัวแทนจากประเทศเยอรมนีN = ผู้เข้าร่วม 15,024 คน) พบความชุกของการติดอินเทอร์เน็ต 1.5% โดยผู้ใช้ที่อายุน้อยกว่ามีสัดส่วนที่สูงขึ้น (4% ในกลุ่มเด็กอายุ 14-16 ปี) ความพยายามครั้งแรกในการกำหนดและวินิจฉัย PIU1 ได้รับการจัดทำโดย Kimberly Young ในปี 1998 (ดูรายงานกรณีแรกจาก ) ตั้งแต่นั้นมาการทดสอบและเครื่องมือคัดกรองจำนวนมากได้รับการพัฒนา (เช่น , , ) เพื่อที่จะสามารถคำนวณความชุกในประชากรต่าง ๆ และให้การรักษาผู้ป่วยอย่างมีประสิทธิภาพ อย่างไรก็ตามยังไม่มีการจำแนกประเภท nosological ปัจจุบันของ PIU การวิจัยเกี่ยวกับการติดเกมออนไลน์ดูเหมือนจะเป็นอีกขั้นหนึ่งเนื่องจาก Internet Gaming Disorder (IGD) ได้รวมอยู่ในหมวดที่สามของ DSM-5 ซึ่งหมายถึงการส่งเสริมการตรวจสอบเพิ่มเติมก่อนที่จะพิจารณาว่าเป็นโรคที่เป็นทางการ () IGD ถือเป็นรูปแบบเฉพาะของ PIU ซึ่งทับซ้อนกันในส่วนเล็ก ๆ ด้วยรูปแบบทั่วไปของ PIU ที่อธิบายข้างต้น (เช่น , ).

1.1 PIU และการเรียนรู้ / การตัดสินใจโดยปริยาย

การขาดดุลในการตัดสินใจมีการแสดงในการศึกษาจำนวนมากการตรวจสอบผู้ป่วยที่มีสารเสพติดและพฤติกรรมเสพติด (เช่น , ) เนื่องจากความคล้ายคลึงกันในแนวคิดของ PIU และการติดพฤติกรรม / สาร () หัวข้อการตัดสินใจยังมีความเกี่ยวข้องสูงเพื่อให้เข้าใจลักษณะการใช้งานอินเทอร์เน็ตมากเกินไป เมื่อประเมินการตัดสินใจที่สร้างความแตกต่างระหว่างการตัดสินใจภายใต้ความคลุมเครือและการตัดสินใจภายใต้ความเสี่ยง, ) ขณะที่อยู่ในการตัดสินใจภายใต้ความคลุมเครือกฎสำหรับกำไรและความสูญเสียและความน่าจะเป็นของผลลัพธ์ที่แตกต่างกันจะไม่ได้อธิบายอย่างชัดเจน (วัดเช่นกับ ผลที่ตามมาและความน่าจะเป็นสำหรับกำไรและขาดทุนนั้นมีอยู่หรือสามารถคำนวณได้ (วัดได้เช่นกับ Game of Dice Task หรือ GDT), ) ขึ้นอยู่กับความแตกต่างนี้และแบบจำลองกระบวนการสองขั้นตอนของการตัดสินใจ (เช่น ), เสนอแบบจำลองเชิงทฤษฎีเพื่ออธิบายการตัดสินใจภายใต้ความเสี่ยง ในรูปแบบนี้บทบาทของผู้บริหารจะถูกเน้นเป็นกุญแจสำคัญของความเกี่ยวข้องสำหรับการตัดสินใจภายใต้ความเสี่ยง แต่ไม่ใช่การตัดสินใจภายใต้ความคลุมเครือ รางวัลทางอารมณ์และการลงโทษควรมาพร้อมกับการตัดสินใจทั้งสองรูปแบบ ดังนั้นทั้งกระบวนการไตร่ตรอง (ควบคุมโดยการรับรู้) พร้อมกับกระบวนการหุนหันพลันแล่น (เกิดจากการคาดหวังผลตอบแทนทางอารมณ์และการลงโทษ) อาจเกี่ยวข้องกับกระบวนการตัดสินใจภายใต้เงื่อนไขความเสี่ยงตามวัตถุประสงค์ () ยิ่งไปกว่านั้นมีการเสนอปัจจัยต่าง ๆ เช่นข้อมูลเกี่ยวกับสถานการณ์การตัดสินใจคุณลักษณะของแต่ละบุคคลและสภาวะที่ชักนำให้เกิดสถานการณ์และอิทธิพลภายนอกที่มีผลต่อการตัดสินใจ ().

ในส่วนที่เกี่ยวกับการเสพติดอินเทอร์เน็ตมีการเสนอกรอบทฤษฎีใหม่โดย เรียกว่าการโต้ตอบของ Person-Affect-Cognition-Execution (I-PACE) ซึ่งการด้อยค่าของฟังก์ชั่นผู้บริหารและการควบคุมการยับยั้งได้รับการเน้นว่ามีความเกี่ยวข้องสำหรับการพัฒนาของ PIU ตามรูปแบบนี้การพัฒนาและการบำรุงรักษาความผิดปกติของการใช้งานอินเทอร์เน็ตโดยเฉพาะได้รับการโต้ตอบระหว่างปัจจัยโน้มเอียง (เช่นบุคลิกภาพและโรคจิต) ผู้ดูแล (เช่นรูปแบบการเผชิญปัญหาที่ผิดปกติและความคาดหวังทางอินเทอร์เน็ต) และผู้ไกล่เกลี่ย ปฏิสัมพันธ์ที่ซับซ้อนเหล่านี้บวกกับการได้รับความพึงพอใจและการเสริมแรงเชิงบวกอันเป็นผลมาจากการใช้คุณสมบัติบางอย่างของอินเทอร์เน็ตและด้วยการลดฟังก์ชั่นผู้บริหารและการควบคุมการยับยั้งอาจส่งผลให้เกิดความผิดปกติในการใช้อินเทอร์เน็ต

จนถึงขณะนี้มีการศึกษาเชิงประจักษ์ไม่กี่ครั้งในบริบทของ PIU การควบคุมการยับยั้งและการตัดสินใจ ส่วนใหญ่เป็นไปตามกรอบทฤษฎีที่กล่าวข้างต้นโดย . ตัวอย่างเช่นรายงานประสิทธิภาพที่แย่ลงในงานการพนันในผู้ใช้อินเทอร์เน็ตที่มากเกินไปและตัวเลือกที่ช้ากว่าของกลยุทธ์ที่ประสบความสำเร็จเมื่อเปรียบเทียบกับผู้เข้าร่วมควบคุม ในการศึกษาล่าสุด รายงานความสามารถในการตัดสินใจที่ลดลงภายใต้ความเสี่ยงใน GDT ในกลุ่มผู้เล่น World of Warcraft (WoW) ที่มากเกินไปเมื่อเทียบกับผู้เข้าร่วมการควบคุม ใช้เวอร์ชัน Go / NoGo ที่แก้ไขแล้ว (ซึ่งมีการใช้สิ่งกระตุ้นที่เกี่ยวข้องกับการเล่นเกมถัดจากสิ่งเร้าที่เป็นกลาง) และรายงานการลดการควบคุมการยับยั้งในผู้เข้าร่วมที่มี IGD เปรียบเทียบกับผู้เข้าร่วมควบคุม พบผลลัพธ์ที่คล้ายกันกับ IGT รุ่นดัดแปลงเมื่อใช้ภาพลามกอนาจารและภาพที่เป็นกลางในช่องใส่การ์ดที่ได้เปรียบและ / หรือเสียเปรียบ ที่นี่ผู้เข้าร่วมชายแสดงให้เห็นการตัดสินใจที่ขาดในการทดลองที่ภาพลามกอนาจารมีความเกี่ยวข้องกับสำรับไพ่ที่เสียเปรียบ อย่างไรก็ตามผลการผสมที่เกี่ยวข้องกับการตัดสินใจในบริบทของ PIU หรือ IGD ได้รับการรายงาน ในการศึกษาโดย ตัวอย่างเช่นผู้เข้าร่วมที่ติดอินเทอร์เน็ตแสดงการตัดสินใจที่ดีกว่าวัดด้วย IGT เปรียบเทียบกับผู้เข้าร่วมที่ควบคุม ในการศึกษาโดย อ้างถึงข้างต้นแล้วไม่พบความแตกต่างในการตัดสินใจใช้ IGT ระหว่างผู้เข้าร่วมที่มีสุขภาพดีและผู้ที่มี IGD เพื่อแยกแยะผลลัพธ์ที่ขัดแย้งกันเหล่านี้การศึกษาเพิ่มเติมการตรวจสอบตัวแปรรบกวนที่เป็นไปได้มีความจำเป็น มีการอธิบายตัวแปรเฉพาะอย่างหนึ่งในภายหลังในการศึกษาปัจจุบัน

1.2 PIU ความเสี่ยงและแรงกระตุ้น

เนื่องจากการศึกษาเบื้องต้นของ PIU ว่าเป็นความผิดปกติของการควบคุมแรงกระตุ้นทำให้มีการศึกษาจำนวนหนึ่งเพื่อสำรวจ PIU ในบริบทของแรงกระตุ้นและความเสี่ยง และ แสดงให้เห็นว่า PIU มีความสัมพันธ์เชิงบวกกับลักษณะของความหุนหันพลันแล่นวัดด้วยมาตราส่วน Barratt Impulsiveness (BIS-11) ด้วยความเคารพต่อกรอบทฤษฎีโดย ถูกนำมาใช้แล้วในด้านปัจจัยบุคลิกภาพแสดงให้เห็นถึงความสัมพันธ์ที่มั่นคงกับ PIU และดังนั้นจึงเสนอให้เป็นหนึ่งในปัจจัยที่มีอิทธิพลต่อการพัฒนาและการบำรุงรักษา ในวงกว้างความหุนหันพลันแล่นมีลักษณะเป็น“ ใจโอนเอียงไปทางปฏิกิริยาที่รวดเร็วและไม่ได้วางแผนต่อสิ่งกระตุ้นภายในหรือภายนอกโดยไม่คำนึงถึงผลกระทบด้านลบของปฏิกิริยาเหล่านี้ต่อบุคคลที่หุนหันพลันแล่นหรือต่อผู้อื่น” () คำที่เกี่ยวข้องกับการรับความเสี่ยงหมายถึง“ พฤติกรรมที่ดำเนินการภายใต้ความไม่แน่นอนโดยมีหรือไม่มีผลกระทบด้านลบโดยธรรมชาติและไม่มีการวางแผนฉุกเฉินที่มีประสิทธิภาพ” (). ใช้งานบอลลูนความเสี่ยงแบบอะนาล็อก () เพื่อวัดความเสี่ยง แต่ไม่พบความสัมพันธ์ที่สำคัญกับ PIU ในการศึกษาปัจจุบันเรากำลังพิจารณาความสัมพันธ์เหล่านี้อีกครั้งโดยใช้ทั้งรายงานตัวเองพร้อมกับมาตรการทดลองของการกระตุ้น / การรับความเสี่ยง

1.3 บทบาทของเพศสำหรับ PIU / IGD

ปัญหาที่สำคัญอีกประการหนึ่งในบริบทของการติดอินเทอร์เน็ตคือความชอบของคุณลักษณะเฉพาะของอินเทอร์เน็ต (เช่นการซื้อของออนไลน์เกมออนไลน์) ขึ้นอยู่กับเพศ การศึกษาของตัวแทนจากเยอรมนีพบว่า 77.1% ของผู้หญิงที่ติดอินเทอร์เน็ตในช่วงอายุ 14–24 ปีใช้เว็บไซต์เครือข่ายสังคมเทียบกับผู้ชาย 64,8% ในวัยเดียวกัน (). ในการศึกษาเดียวกัน 7.2% ของผู้หญิงที่ติดอินเทอร์เน็ตที่อายุระหว่าง 14 ถึง 24 ปีรายงานว่าใช้อินเทอร์เน็ตเพื่อเล่นวิดีโอเกมออนไลน์เทียบกับ 33.6% ของผู้ชายในวัยเดียวกัน () ดังนั้นดูเหมือนว่าด้วยความเคารพต่อ IGD ผู้เข้าร่วมแสดงชายชอบเล่นเกมออนไลน์ที่สูงขึ้นเมื่อเทียบกับผู้เข้าร่วมหญิงและมีความเสี่ยงที่จะพัฒนา IGD ยิ่งไปกว่านั้น 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 และการกระตุ้น / การเสี่ยง (รายงานตนเองและข้อมูลการทดลอง) ในผู้เข้าร่วมที่มีสุขภาพดี

จากวรรณกรรมที่กล่าวมาแล้วเราได้กำหนดสมมติฐานดังต่อไปนี้:

สมมติฐาน 1 

เราคาดว่าความสัมพันธ์เชิงลบระหว่าง PIU / IGD และความสามารถในการเรียนรู้โดยนัย (การศึกษา 1)

สมมติฐาน 2 

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

สมมติฐาน 3 

เราคาดว่าความสัมพันธ์ในเชิงบวกระหว่าง PIU / IGD กับการรายงานตนเองและมาตรการทดลองของการกระตุ้น / 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 ) 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% รายงานว่าไม่มีประกาศนียบัตรของโรงเรียน

2.1.2 มาตรการ

ผู้เข้าร่วมตอบคำถามเกี่ยวกับอายุเพศและการศึกษาของพวกเขาซึ่งเป็นแบบทดสอบสั้น ๆ ของการเสพติดอินเทอร์เน็ต (s-IAT) ; อัลฟ่าของครอนบาคในตัวอย่างปัจจุบันคือ 0.70) ซึ่งมีรายการที่ปรับขนาด Likert 12 รายการ (1 = ไม่ถึง 5 = บ่อยมาก) และมาตราส่วนการติดเกมออนไลน์ (OGAS ซึ่งเป็นมาตราส่วนการเสพติดการเล่นเกมฉบับแก้ไขโดย โดยที่คำว่า "ออนไลน์" ถูกเพิ่มเข้าไปในทุกรายการ อัลฟ่าของครอนบาคในตัวอย่างปัจจุบันคือ 0.66) ประกอบด้วย 7 รายการตั้งแต่ 1 = ไม่เคยและ 5 = บ่อยมาก นอกจากนี้ผู้เข้าร่วมให้คะแนนประสบการณ์การเล่นเกมคอมพิวเตอร์ของตน (เช่น“ คุณเล่นเกมคอมพิวเตอร์มากี่ปีแล้ว” หรือ“ คุณเล่นเกมคอมพิวเตอร์ออนไลน์โดยเฉลี่ยกี่ชั่วโมงต่อสัปดาห์”) มีการจัดการวัดการรับความเสี่ยงด้วยตนเองซึ่งรวมถึงหนึ่งรายการเกี่ยวกับแนวโน้มการรับความเสี่ยงโดยรวม (“ คุณจะอธิบายตัวเองอย่างไรจาก 0 (ไม่เต็มใจที่จะรับความเสี่ยง) ถึง 10 (เต็มใจรับความเสี่ยง) ); Socio-Econimic Panel ของเยอรมัน (SOEP; ). เราใช้งานทดลองที่ปรับเปลี่ยนเล็กน้อย (“ Devil's chest”) ซึ่งรวมจากการศึกษาของ เพื่อวัดการเรียนรู้โดยนัย ในการทดลอง 36 ทั้งหมดเราได้นำเสนอภาพกล่องไม้ปิดสิบภาพบนหน้าจอคอมพิวเตอร์ กล่องถูกจัดเรียงในแถวเดียวและผู้เข้าร่วมมีโอกาสเปิดจำนวนกล่องที่เลือกด้วยตนเองจากนั้นทำงานจากซ้ายไปขวา ผู้เข้าร่วมได้รับคำสั่งว่ากล่องเก้ากล่องมีรางวัลเงินเสมือนจริง (5 เซนต์) และอีกกล่องหนึ่งบรรจุ“ ปีศาจ” หากผู้เข้าร่วมเปิดเฉพาะกล่องรางวัลในการทดลองที่กำหนดพวกเขาจะดำเนินการทดลองต่อไปโดยได้รับผลรวมของรางวัล หากพวกเขาเปิดกล่องที่มีปีศาจอยู่ท่ามกลางกล่องอื่นพวกเขาสูญเสียทุกอย่างในการทดลองปัจจุบัน ตำแหน่งที่จะเกิดขึ้นของปีศาจถูกสุ่มในการทดลอง 36 แต่ปรากฏในแต่ละตำแหน่งจาก 2 ถึง 102 แน่นอนสี่ครั้ง แม้ว่าสิ่งนี้จะไม่ได้กล่าวถึงผู้เข้าร่วม แต่ผู้เข้าร่วมที่มีทักษะความรู้ความเข้าใจสูงกว่าอาจเข้าใจถึงกฎนี้โดยปริยายและอาจเรียนรู้ที่จะทำงานได้ดีขึ้นในระหว่างการทดลอง ผลตอบแทนทางการเงินทั้งหมดเมื่อสิ้นสุดการทดลองเรียกว่า "กำไร" และจะใช้เป็นเครื่องชี้วัดการเรียนรู้โดยนัย การตั้งค่าการทดลองถูกอธิบายใน มะเดื่อ. 1.

 

มะเดื่อ. 1

การทดลองตั้งหีบปีศาจ - การเปิดหีบด้วยปีศาจนำไปสู่การสูญเสียเหรียญที่เก็บรวบรวมทั้งหมดของการทดลองที่กำหนด

2.1.3 ขั้นตอน

แบบสอบถามทั้งหมดมีเฉพาะภาษาอังกฤษได้รับการแปลเป็นภาษาเยอรมันโดยกลุ่มงานของเราเอง ผู้เข้าร่วมกรอกแบบสอบถามก่อนแล้วจึงทำการทดลองหน้าอกของปีศาจ โปรดทราบว่าผู้เข้าร่วมในการศึกษา 1 ไม่ได้รับรางวัลเป็นเงินใด ๆ หลังจากเสร็จสิ้นการทดลองและพวกเขาได้รับแจ้งเกี่ยวกับข้อเท็จจริงนี้ก่อนที่จะเสร็จสิ้นการทดสอบ

2.1.4 การวิเคราะห์ทางสถิติ

สำหรับการวิเคราะห์ต่อไปนี้จะทำการตรวจสอบความเป็นไปได้ของข้อมูลโดยใช้กฎง่ายๆที่แนะนำโดย โดยพิจารณาจากความเบ้ของตัวแปรที่ตรวจสอบ การวิเคราะห์สหสัมพันธ์คำนวณด้วยสหสัมพันธ์ของเพียร์สันหรือสเปียร์แมนขึ้นอยู่กับการกระจายของข้อมูลและช่วงความเชื่อมั่นที่ได้รับการแก้ไขอคติและเร่งการบูตสแตรป (ช่วงความเชื่อมั่น BCa 95%) ถูกคำนวณสำหรับทุกค่าสัมประสิทธิ์สหสัมพันธ์เพื่อทดสอบความสำคัญต่อไป 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)

 หมายความSDช่วงที่เป็นไปได้ช่วงจริง
ความเชี่ยวชาญด้านการเล่นเกม (ปี)11.094.31-3 24-
ชั่วโมงเกมออนไลน์ต่อสัปดาห์22.2416.00-0 70-
S-IAT23.865.3812 60-12 43-
OGAS14.754.367 35-7 26-
กำไร413.6171.970 900-a160 520-
การรับความเสี่ยง (รายงานตัวเอง)6.771.890 10-3 10-
 

N = 79, รับความเสี่ยง (รายงานตนเอง) n = 64

aโปรดทราบว่าช่วงที่เป็นไปได้สูงสุดสำหรับตัวแปร GAIN นั้นประมาณไว้ภายใต้สมมติฐานว่าปีศาจจะปรากฏขึ้นในทุกตำแหน่งระหว่าง 2 และ 10 เป็นเวลาสี่เท่า

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

2 ตาราง

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

 กำไรS-IATOGASการเสี่ยง (รายงานตนเอง)
กำไร1   
S-IAT- 0.2641  
OGAS- 0.2030.511⁎⁎1 
การเสี่ยง (รายงานตนเอง)0.1480.1290.1871
 

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

⁎⁎p <0.01
p <0.05

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) (ดู มะเดื่อ. 2).

 

มะเดื่อ. 2

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

2.3 การสนทนา

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

3 ศึกษา 2

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

3.1 วิธีการ

3.1.1 ผู้เข้าร่วม

ผู้เล่น WoW และผู้เข้าร่วมการควบคุมเข้าร่วมในการศึกษา ผู้เล่น WoW ได้รับการคัดเลือกโดยใช้เกณฑ์ต่อไปนี้: ประสบการณ์การเล่นเกม WoW เป็นเวลาอย่างน้อยสองปี เกณฑ์การยกเว้นคือการเล่นเกมอื่นที่ไม่ใช่ WoW เป็นเวลา> 7 ชั่วโมงต่อสัปดาห์อย่างไรก็ตามผู้เข้าร่วมที่ไม่มีประสบการณ์ในเกมอื่นควรได้รับคัดเลือก ผู้ควบคุมจำเป็นต้องเป็นคนไร้เดียงสาจึงไม่เคยมีประสบการณ์ในการเล่นเกมนี้มาก่อน เกณฑ์การยกเว้นสำหรับผู้เข้าร่วมทั้งสองกลุ่ม ได้แก่ ความบกพร่องทางสายตาความยากลำบากในการอ่านและการเขียน dyschromatopsia การถูกกระทบกระแทกการใช้ยาในระยะยาวโรคทางระบบประสาทและจิตเวชความพิการทางการได้ยินและการใช้สารเสพติดในปริมาณมาก หลังจากการตรวจสอบตัวอย่างอย่างละเอียดเราได้แยกผู้เข้าร่วมรายหนึ่งเนื่องจากความผิดปกติของการกินและการบริโภคกัญชาในแต่ละวันผู้เข้าร่วม XNUMX คนเนื่องจากความผิดปกติทางระบบประสาทและจิตเวชและผู้เข้าร่วมหนึ่งคนจากกลุ่มควบคุมเนื่องจากค่าที่สูงมากใน sIAT และ OGAS ซึ่งส่งผลให้ n = ผู้เข้าร่วมควบคุม 77 คน (ชาย 39 คน) และ n = 44 ผู้เล่น WoW (ชาย 28 คน) 6.5% (n = 5) ของผู้เข้าร่วมการควบคุมรายงานการใช้เกมเล่นตามบทบาทออนไลน์แบบไม่เป็นทางการ (<3 ชั่วโมงต่อสัปดาห์) 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 หนึ่งคน (0.9%) ไม่ตอบคำถามเกี่ยวกับการศึกษา

3.1.2 มาตรการ

ที่นี่อีกครั้ง s-IAT (; อัลฟ่าของครอนบาคในตัวอย่างปัจจุบันคือ 0.76), OGAS (การแก้ไข GAS โดย ; 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” (; อัลฟ่าของครอนบาคในตัวอย่างปัจจุบันคือ 0.89) ถูกเติมโดยกลุ่ม WoW เท่านั้น ยิ่งไปกว่านั้น Barratt Impulsivity Scale (BIS-11; ; อัลฟ่าของครอนบาคในกลุ่มตัวอย่างปัจจุบันเท่ากับ 0.85) ได้รับการจัดการเป็นตัวชี้วัดความหุนหันพลันแล่น (มีการให้คะแนน 30 รายการในระดับตั้งแต่ 1 =“ ไม่ค่อย / ไม่เคย” ถึง 4 =“ เกือบตลอดเวลา / เสมอ”) ด้วยมาตราส่วนนี้สามารถประเมินปัจจัยสามลำดับที่สองได้: แรงกระตุ้นที่ตั้งใจหมายถึงไม่สามารถโฟกัสความสนใจหรือมีสมาธิได้ ความหุนหันพลันแล่นของมอเตอร์เกี่ยวข้องกับการแสดงโดยไม่คิดในขณะที่ความหุนหันพลันแล่นโดยไม่วางแผนเกี่ยวข้องกับการขาด "อนาคต" หรือการคาดเดาล่วงหน้า () ความสอดคล้องภายในสำหรับระดับย่อยในการศึกษาปัจจุบันคือ 0.73, 0.69 และ 0.69 ตามลำดับ

3.1.3 ขั้นตอน

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

3.1.4 การวิเคราะห์ทางสถิติ

การประเมินข้อมูลดำเนินการแบบอะนาล็อกเพื่อศึกษา 1

3.2 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 คุณค่าและความสำคัญ (p) สำหรับความแตกต่างของค่าเฉลี่ยระหว่างผู้เข้าร่วมการควบคุมและกลุ่ม WoW สำหรับประสบการณ์การเล่นเกมตัวแปร (ปี), ชั่วโมงการเล่นเกมออนไลน์ต่อสัปดาห์, GAIN, s-IAT, OGAS, WoW-SPUQ และ BIS-11

 กลุ่มควบคุม 


ผู้เล่น WoW 


ช่วงที่เป็นไปได้ช่วงจริงt-/U ความคุ้มค่าp
หมายความSDหมายความSD
ผู้เข้าร่วมชาย
ความเชี่ยวชาญด้านการเล่นเกม (ปี)9.496.8114.294.85-0 22-/ 6 25-- 3.3690.001
ชั่วโมงเกมออนไลน์ต่อสัปดาห์1.182.1119.7111.44-0 9-/ 0 50-30.0<0.001
กำไร450.7739.10443.0454.300 900-370 510-/ 305 525-0.6780.500
S-IAT21.676.5323.796.9012 60-12 42-/ 14 41-- 1.2800.205
OGAS8.672.3915.795.857 35-7 17-/ 9 29-94.5<0.001
WoW-SPUQ--87.5723.2627 189-- / 53 134---
ผลรวม BIS-1165.0013.3964.638.9430 120-40 99-/ 53 90-0.1250.901
BIS-11 ที่ตั้งใจ17.134.9516.572.858 32-8 30-/ 12 21-0.5790.565
มอเตอร์ BIS-1123.164.8122.433.6611 44-14 35-/ 16 33-0.6710.504
BIS-11 ที่ไม่ได้วางแผน24.715.3225.744.7711 44-14 40-/ 16 40-- 0.8030.425
 
ผู้เข้าร่วมหญิง
ความเชี่ยวชาญด้านการเล่นเกม (ปี)3.865.7611.505.29-0 15-/ 1 20-- 4.557<0.001
ชั่วโมงเกมออนไลน์ต่อสัปดาห์0.090.4317.569.06-0 2.5-/ 1 37.5-1.5<0.001
กำไร429.7439.98439.0658.720 900-330 510-/ 295 510-- 0.6780.501
S-IAT18.584.9921.445.2412 60-13 36-/ 14 30-199.50.047
OGAS7.110.5113.503.697 35-7 10-/ 9 21-4.0<0.001
WoW-SPUQ--81.6322.4227 189-- / 50 119---
ผลรวม BIS-1161.259.1461.736.1630 120-37 87-/ 53 77-- 0.1870.852
BIS-11 ที่ตั้งใจ16.613.5517.063.388 32-10 25-/ 10 22-- 0.4380.663
มอเตอร์ BIS-1121.083.9321.803.9711 44-12 31-/ 17 29-- 0.5920.557
BIS-11 ที่ไม่ได้วางแผน23.974.1623.312.7011 44-13 35-/ 17 27-0.5840.562
 

หมายเหตุ: Mann-Whitney-U-Test ดำเนินการเพื่อเปรียบเทียบค่าเฉลี่ยของตัวแปรที่ไม่ได้กระจายทั่วไป ผลลัพธ์แสดงเป็นตัวเอียงในตาราง

3.2.1 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 ความสัมพันธ์ที่สำคัญทั้งหมดใน 4 ตาราง ยังคงมีความสำคัญหลังจากการตรวจสอบช่วงความเชื่อมั่น BCa 95%

4 ตาราง

สเปียร์แมนและเพียร์สันมีความสัมพันธ์กับตัวแปร GAIN, s-IAT, OGAS และ BIS-11 สำหรับกลุ่มของผู้เข้าร่วมการควบคุมแยกในเพศชายและเพศหญิง

 กำไรS-IATOGASผลรวม BIS-11BIS-11 ที่ตั้งใจมอเตอร์ BIS-11
ผู้เข้าร่วมชาย
กำไร1     
S-IAT- 0.0531    
OGAS0.2380.1391   
ผลรวม BIS-110.0200.2480.3491  
BIS-11 ที่ตั้งใจ0.1090.426⁎⁎0.3010.866⁎⁎1 
มอเตอร์ BIS-11- 0.0640.0940.3380.843⁎⁎0.612⁎⁎1
BIS-11 ที่ไม่ได้วางแผน0.0950.1430.1980.906⁎⁎0.707⁎⁎0.660⁎⁎
 
ผู้เข้าร่วมหญิง
กำไร1     
S-IAT0.1181    
OGAS- 0.0880.2571   
ผลรวม BIS-11- 0.1390.2320.1561  
BIS-11 ที่ตั้งใจ0.1610.282- 0.0220.749⁎⁎1 
มอเตอร์ BIS-11- 0.2190.2010.2920.764⁎⁎0.3121
BIS-11 ที่ไม่ได้วางแผน- 0.1380.118- 0.1190.868⁎⁎0.531⁎⁎0.478⁎⁎
 

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

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 แยกชายและหญิง

 กำไรS-IATOGASว้าว-
SPUQ
ผลรวม BIS-11BIS-11 ที่ตั้งใจมอเตอร์ BIS-11
ผู้เข้าร่วมชาย
กำไร1      
S-IAT- 0.2961     
OGAS- 0.1050.776⁎⁎1    
WoW-SPUQ- 0.3130.688⁎⁎0.742⁎⁎    
ผลรวม BIS-110.0250.1970.2840.0231  
BIS-11 ที่ตั้งใจ0.054- 0.0110.019- 0.2190.658⁎⁎1 
มอเตอร์ BIS-11- 0.0380.1700.2310.1870.761⁎⁎0.2181
BIS-11 ที่ไม่ได้วางแผน0.0330.2200.3120.0270.892⁎⁎0.4510.521⁎⁎
 
ผู้เข้าร่วมหญิง
กำไร1      
S-IAT0.0261     
OGAS- 0.024- 0.0671    
WoW-SPUQ- 0.1990.1440.676⁎⁎    
ผลรวม BIS-110.0480.080- 0.614- 0.1571  
BIS-11 ที่ตั้งใจ- 0.1390.194- 0.2600.0540.5041 
มอเตอร์ BIS-110.266- 0.013- 0.676⁎⁎- 0.3050.845⁎⁎0.1701
BIS-11 ที่ไม่ได้วางแผน0.012- 0.1660.0570.2560.420- 0.2220.250
 

สำหรับผู้เข้าร่วมชายความสัมพันธ์ระหว่าง GAIN ในการทดสอบและคะแนน s-IAT ได้รับการทดสอบด้านเดียว

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

⁎⁎p <0.01
p <0.05

3.2.2. 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 สำหรับกลุ่มตัวอย่างทั้งหมดของผู้เข้าร่วมการควบคุมผลลัพธ์ยังคงไม่มีนัยสำคัญ (F (1,76) = 2.102, p = 0.151) ในขณะที่กลุ่มตัวอย่างทั้งหมดของผู้เล่น WoW ผลลัพธ์ที่ได้มีนัยสำคัญ (F (1,43) = 4.298, p = 0.044) (ดู มะเดื่อ. 3). 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 หญิงนั้นไม่มีนัยสำคัญ (F (1,15) = 0.295, p = 0.595, M1 = 225.31 และ M2 = 213.75)

 

มะเดื่อ. 3

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

3.3 การสนทนา

เป้าหมายของการศึกษา 2 คือการทำซ้ำผลการศึกษาโดยเปรียบเทียบผู้เล่น WoW และผู้เข้าร่วมการควบคุม ความสัมพันธ์เชิงลบระหว่างคะแนน GAIN และ s-IAT และ WoW-SPUQ แสดงให้เห็นถึงแนวโน้มที่มีนัยสำคัญต่อกลุ่มผู้เล่น WoW เพศชายเท่านั้น อย่างไรก็ตามตัวอย่างเล็ก ๆ ของผู้เล่น WoW ชาย (n = 28) อาจให้คำอธิบายสำหรับเอฟเฟกต์ที่อ่อนแอกว่า การตรวจสอบการจัดการแสดงให้เห็นความแตกต่างอย่างมีนัยสำคัญระหว่าง GAIN ในการทดลอง 18 ครั้งแรกและ 2 ครั้งสุดท้ายในกลุ่มผู้เล่น WoW ชายโดยที่ผู้เข้าร่วมแสดงผลกำไรในส่วนที่สองของการทดสอบลดลงเมื่อเทียบกับส่วนแรก เราขอเตือนผู้อ่านว่าผู้เข้าร่วมในการศึกษา 1 ได้รับเงินเป็นจำนวนเงินซึ่งพวกเขาได้รับรางวัลในระหว่างการทดลองและพวกเขาตระหนักถึงข้อเท็จจริงนี้ก่อนที่จะเริ่มการทดลอง ดังนั้นในกรณีนี้แรงจูงใจภายนอกของผู้เข้าร่วมอาจสูงกว่าเมื่อเทียบกับการศึกษา XNUMX ในความเป็นจริงการเปรียบเทียบวิธีการของ GAIN ระหว่างผู้เข้าร่วม Gamescom และผู้เล่น WoW ชายจะเห็นได้ชัดว่าแม้ว่าผู้เล่น WoW จะทำ แย่กว่าในส่วนที่สองของการทดสอบเมื่อเทียบกับส่วนแรกของการทดสอบพวกเขายังคงได้รับรางวัลทั้งหมดมากกว่าผู้เข้าร่วม Gamescom ชาย (ดู 1 ตาราง, 3 ตาราง: M = 413.61 สำหรับผู้เข้าร่วม Gamescom และ M = 443.04 สำหรับผู้เล่น WoW ชาย) ดังนั้นเพื่อควบคุมผลกระทบที่อาจเกิดขึ้นจากแรงจูงใจเราได้ทำการวิเคราะห์เพิ่มเติมโดยใช้ Unified-Motive-Scale-10 (UMS-10; ) ข้อมูล USM-10 นั้นเป็นส่วนหนึ่งของการศึกษาระยะยาวที่ใหญ่กว่า

3.3.1 การวิเคราะห์เพิ่มเติม

โดยเฉพาะอย่างยิ่งเราได้ดำเนินการความสัมพันธ์บางส่วนกับแรงจูงใจความสำเร็จของตัวแปร (UMS-10; , Alpha ของ Cronbach ในการศึกษาปัจจุบันเท่ากับ 0.89), คะแนน s-IAT, WoW-SPUQ และ GAIN ในการศึกษา 2. ความสัมพันธ์ระหว่าง s-IAT และ GAIN เพิ่มขึ้นจาก r = - 0.296, p = 0.063 (ดู 5 ตาราง; การทดสอบแบบด้านเดียว) ถึง r = - 0.322, p = 0.054 (การทดสอบด้านเดียว) ความสัมพันธ์ระหว่าง WoW-SPUQ และ GAIN ก็เพิ่มขึ้นจาก r = - 0.313, p = 0.104 (ดู 5 ตาราง; การทดสอบแบบสองด้าน) ถึง r = - 0.354, p = 0.082 (การทดสอบสองด้าน) ในส่วนที่เกี่ยวกับผู้เล่น WoW หญิงและผู้เข้าร่วมการควบคุมความสัมพันธ์ระหว่างคะแนน s-IAT คะแนน WoW-SPUQ และ GAIN ยังคงไม่สำคัญหลังจากควบคุมแรงจูงใจ

4 ศึกษา 3

จุดเน้นของการศึกษา 3 คือการทดสอบความสัมพันธ์ระหว่าง PIU, IGD และการกระตุ้น / การเสี่ยงโดยใช้ทั้งการทดลองและการรายงานตนเอง

4.1 วิธีการ

4.1.1 ผู้เข้าร่วม

หลังจากการยกเว้นผู้เข้าร่วมห้าคนที่มีข้อมูลขาดหายไปและผู้เข้าร่วมหนึ่งคนเนื่องจากการตอบสนองนอกช่วง (เช่นการเล่นเกมคอมพิวเตอร์ 200 ชั่วโมงต่อสัปดาห์) ตัวอย่างสำหรับการศึกษาในปัจจุบันส่งผลให้ N = ผู้เข้าร่วม 94 คน (ชาย 33 คน) ส่วนใหญ่เป็นนักศึกษาจิตวิทยาที่มหาวิทยาลัย Ulm เมือง Ulm ประเทศเยอรมนี อายุเฉลี่ยของกลุ่มตัวอย่างทั้งหมดคือ M = 23.48 (SD = 3.55) เกี่ยวกับการศึกษาของพวกเขา 27% รายงานว่ามีวุฒิการศึกษาระดับมหาวิทยาลัยหรือโพลีเทคนิคอีก 67% รายงานว่ามีประกาศนียบัตรการศึกษาระดับปริญญาตรีหรือสายอาชีพ 6% ของผู้เข้าร่วม (n = 6) ไม่ได้ตอบคำถามเกี่ยวกับการศึกษาของพวกเขา

4.1.2 มาตรการ

The s-IAT (; อัลฟ่าของครอนบาคในตัวอย่างปัจจุบันคือ 0.81), OGAS (GAS เวอร์ชันแก้ไขโดย ; Alpha ของ Cronbach ในตัวอย่างปัจจุบันคือ 0.81), BIS-11 (; อัลฟ่าของครอนบาคในตัวอย่างปัจจุบันคือ 0.80) และการรับความเสี่ยงโดยรวม (The German Socio-Economic Panel, SOEP; ) ได้รับการประเมิน ความสอดคล้องภายในของ BIS-11 subscales มีดังนี้: ความหุนหันพลันแล่นโดยเจตนา 0.70, ความหุนหันพลันแล่นของมอเตอร์ 0.70 และความหุนหันพลันแล่นที่ไม่ได้วางแผน 0.39 นอกจากนี้การทดลอง "Devil's chest" ได้รับการปรับเปลี่ยนเล็กน้อยเพื่อวัดความหุนหันพลันแล่น / การรับความเสี่ยง (เมื่อเทียบกับการศึกษา 1 และ 2 ที่นี่ตำแหน่งของ "ปีศาจ" ถูกสุ่มอย่างสมบูรณ์ในการทดลองทั้งหมดดังนั้นจึงไม่สามารถเรียนรู้ได้ ). ที่นี่จำนวนเฉลี่ยของกล่องที่เปิดโดยสมัครใจต่อการทดลอง (MNOB) ถูกใช้เป็นตัวชี้วัดความหุนหันพลันแล่น / การรับความเสี่ยง ซึ่งสอดคล้องกับการศึกษาของ .

4.1.3 ขั้นตอน

แบบสอบถามและการทดสอบเสร็จสมบูรณ์ตามลำดับเช่นเดียวกับในการศึกษา 1 และ 2 อย่างไรก็ตามผู้เข้าร่วมกรอกแบบสอบถามบนหน้าจอคอมพิวเตอร์ ในการศึกษาครั้งนี้ผู้เข้าร่วมจะได้รับค่าตอบแทน (บัตรกำนัลของ Amazon หรือเครดิตของหลักสูตร) ​​สำหรับการเข้าร่วมในการศึกษา แต่พวกเขาไม่ได้จ่ายเงินตามจำนวนที่พวกเขาได้รับจากการทดลองทางคอมพิวเตอร์ ผู้เข้าร่วมได้รับแจ้งเกี่ยวกับขั้นตอนนี้ก่อนที่จะทำการทดสอบให้เสร็จสิ้น

4.1.4 การวิเคราะห์ทางสถิติ

การวิเคราะห์ทางสถิติได้ดำเนินการแบบอะนาล็อกเพื่อศึกษา 1 และ 2

4.2 ผล

ของบันทึกตัวแปรชั่วโมงการเล่นเกมออนไลน์ต่อสัปดาห์และคะแนน OGAS ไม่ได้กระจายตามปกติ มีการรายงานสถิติเชิงพรรณนา 6 ตาราง. ผู้เข้าร่วมมีความเชี่ยวชาญในการเล่นเกมในแง่ของความเชี่ยวชาญการเล่นเกมในปีที่ผ่านมา แต่เวลาที่ใช้จริงในเกมออนไลน์อยู่ในระดับต่ำมาก อะนาล็อกเพื่อศึกษา 2 ที่นี่เราเปรียบเทียบหากผู้เข้าร่วมชายและหญิงแตกต่างกันเกี่ยวกับตัวแปรที่ปรากฎใน 6 ตาราง. ความแตกต่างอย่างมีนัยสำคัญถูกสังเกตด้วยความเชี่ยวชาญด้านการเล่นเกมตัวแปร (ปี) (U(33,61) = 385.0, p <0.001) ชั่วโมงการเล่นเกมออนไลน์ต่อสัปดาห์ (U(33,61) = 663.5, p <0.001), การรับความเสี่ยง (รายงานตัวเอง) (U(33,61) = 732.0, p <0.05) และ OGAS (U(33,61) = 562.5, p <0.001) ซึ่งผู้เข้าร่วมชายได้คะแนนสูงกว่าผู้เข้าร่วมหญิง

6 ตาราง

หมายถึงค่าเบี่ยงเบนมาตรฐาน (SD) และช่วงที่เป็นไปได้ / จริงสำหรับประสบการณ์การเล่นเกมตัวแปร (ปี), ชั่วโมงการเล่นเกมต่อสัปดาห์, การเสี่ยง (รายงานตนเอง), s-IAT, OGAS, BIS-11 และ MNOB

 หมายความSDช่วงที่เป็นไปได้ช่วงจริง
ความเชี่ยวชาญด้านการเล่นเกม (ปี)6.316.51-0 21-
ชั่วโมงเกมออนไลน์ต่อสัปดาห์0.561.86-0 15-
การรับความเสี่ยง (รายงานตัวเอง)5.101.820 10-1 9-
S-IAT22.995.7112 60-12 42-
OGAS8.002.057 35-7 18-
ผลรวม BIS-1161.379.1730 120-44 84-
BIS-11 ที่ตั้งใจ16.543.478 32-10 28-
มอเตอร์ BIS-1121.684.3311 44-14 35-
BIS-11 ที่ไม่ได้วางแผน23.153.4511 44-17 32-
MNOB4.900.790 10-3.22 7.5-
 

4.2.1 การวิเคราะห์สหสัมพันธ์

อายุมีความสัมพันธ์กับคะแนน OGAS (ρ = 0.24, p <0.05) ความสัมพันธ์ระหว่าง MNOB กับคะแนน OGAS ก็มีนัยสำคัญเช่นกัน (ρ = 0.21, p <0.05) หลังจากควบคุมอายุแล้วความสัมพันธ์ระหว่าง MNOB และคะแนน OGAS เพิ่มขึ้นเป็น r = 0.37, p <0.01 (r = 0.45, p <0.05 ในเพศชายและ r = 0.28, p <0.05 ในเพศหญิง) ความสัมพันธ์อื่น ๆ ทั้งหมดถูกนำเสนอใน 7 ตาราง.

7 ตาราง

ความสัมพันธ์ของ Spearman และ Pearson สำหรับตัวแปร MNOB, การรับความเสี่ยง (รายงานตัวเอง), s-IAT, OGAS และ BIS-11

 MNOBการรับความเสี่ยง (รายงานตัวเอง)S-IATOGASผลรวม BIS-11BIS-11 ที่ตั้งใจมอเตอร์ BIS-11
MNOB1      
การเสี่ยง (รายงานตนเอง)0.0861     
S-IAT0.115- 0.1241    
OGAS0.2090.0920.2351   
ผลรวม BIS-110.316⁎⁎0.458⁎⁎0.1500.283⁎⁎1  
BIS-11 ที่ตั้งใจ0.284⁎⁎0.1960.345⁎⁎0.296⁎⁎0.770⁎⁎1 
มอเตอร์ BIS-110.2360.576⁎⁎- 0.0180.2610.847⁎⁎0.443⁎⁎1
BIS-11 ที่ไม่ได้วางแผน0.2570.299⁎⁎0.0750.1480.821⁎⁎0.487⁎⁎0.551⁎⁎
 

หมายเหตุ: ความสัมพันธ์ของสเปียร์แมนถูกบรรยายเป็นตัวเอียง

⁎⁎p <0.01
p <0.05

4.2.2. การตรวจสอบการจัดการของการทดลอง "หน้าอกปีศาจ" เพื่อวัดความหุนหันพลันแล่น / การรับความเสี่ยง:

MNOB มีความสัมพันธ์เชิงบวกกับคะแนน BIS-11 ของผู้เข้าร่วม (ดู 7 ตาราง) ดังนั้นการวัดในปัจจุบันมีความสัมพันธ์อย่างชัดเจนกับพฤติกรรมหุนหันพลันแล่น ไม่มีความสัมพันธ์อย่างมีนัยสำคัญระหว่าง MNOB กับการวัดความเสี่ยงโดยรวมของรายงานตนเอง (ดู 7 ตาราง) เพื่อศึกษา 1 และ 2 เราเปรียบเทียบ GAIN ในการทดลอง 18 ครั้งแรกและครั้งสุดท้ายเพื่อแยกแยะบทบาทของเอฟเฟกต์การเรียนรู้ ไม่พบความแตกต่างที่สำคัญสำหรับผู้ชาย (F(1,32) = 2.365, p = 0.134, ม1 = 219.24 และม2 = 235.61) หรือผู้เข้าร่วมหญิง (F(1,60) = 0.155, p = 0.695, ม1 = 224.02 และม2 = 220.57) ผลลัพธ์ของทั้งตัวอย่างก็ไม่ได้มีนัยสำคัญเช่นกัน (F (1,93) = .265, p = 0.608) (ดู มะเดื่อ. 4).

 

มะเดื่อ. 4

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

5 พูดคุยเรื่องทั่วไป

ในต่อไปนี้บทสรุปของผลการศึกษา 1, 2 และ 3 มีให้พร้อมกับการอภิปรายเกี่ยวกับการมีส่วนร่วมของพวกเขาไปยังสนาม

ในการศึกษา 1 คะแนน s-IAT ที่สูงขึ้นนั้นเกี่ยวข้องกับการทำงานที่แย่ลงในการเรียนรู้โดยนัยในหมู่ผู้เข้าร่วมชายด้วยความชัดเจนต่อ IGD อย่างไรก็ตามคะแนน OGAS ของผู้เข้าร่วมไม่ได้เกี่ยวข้องอย่างมีนัยสำคัญกับตัวแปร GAIN (แม้ว่าจะมีแนวโน้มไปสู่ความสำคัญ) ในการศึกษา 2 เรามุ่งเป้าไปที่การจำลองผลการศึกษา 1 ในกลุ่มของผู้เล่น WoW และผู้เข้าร่วมควบคุม ที่นี่เพศของผู้เข้าร่วมถูกนำมาพิจารณาด้วย คะแนนสูง s-IAT และคะแนน WoW-SPUQ สูงแสดงให้เห็นแนวโน้มที่จะได้รับ GAIN ต่ำในการทดสอบเฉพาะในกลุ่มนักเล่นเกม WoW เพศชาย (r = - 0.322, p = 0.054, การทดสอบด้านเดียวและ r = - 0.354, p = 0.082 การทดสอบสองด้านตามลำดับ) คะแนน OGAS ไม่ได้เชื่อมโยงกับ GAIN อีกครั้งในทั้งสองกลุ่ม ในการศึกษาที่ 3 ในกลุ่มตัวอย่างนักเรียนการวัดการทดลองของการรับความเสี่ยง MNOB เชื่อมโยงในเชิงบวกกับคะแนน OGAS แต่ไม่ใช่คะแนน s-IAT หลังจากควบคุมอายุ

โดยสรุปแล้วดูเหมือนว่าการใช้อินเทอร์เน็ตมากเกินไปเกี่ยวข้องกับข้อบกพร่องในความสามารถในการเรียนรู้โดยปริยาย ความสัมพันธ์นี้ถูกสังเกตด้วยคะแนน s-IAT และคะแนน WoW-SPUQ แต่ไม่ได้คะแนน OGAS ในการศึกษาปัจจุบัน วรรณกรรมที่มีอยู่ให้ผลการสนับสนุนทั้ง: การขาดดุลในการตัดสินใจระหว่างผู้ใช้อินเทอร์เน็ตที่มีปัญหา (เช่น ) รวมถึงในหมู่ผู้เล่นเกมออนไลน์ที่มากเกินไป (เช่น ) ยิ่งไปกว่านั้นเมื่อเร็ว ๆ นี้ได้เสนอแบบจำลองเชิงทฤษฎีใหม่ I-PACE (ปฏิสัมพันธ์ของบุคคล - ผลกระทบ - ความรู้ความเข้าใจ - การดำเนินการ) ได้ถูกเสนอโดย ซึ่งเน้นบทบาทของการลดการทำงานของผู้บริหารและการตัดสินใจที่บกพร่องสำหรับการพัฒนา PIU ที่เฉพาะเจาะจง ผลที่แข็งแกร่งกว่าสำหรับคะแนน WoW-SPUQ เมื่อเปรียบเทียบกับคะแนน OGAS อาจสะท้อนให้เห็นถึงทางเลือกของการวัดที่เฉพาะเจาะจงมากขึ้นเพื่อประเมินการติดยาเสพติดของ WOW อย่างไรก็ตามจำเป็นต้องมีการสอบสวนเพิ่มเติม

ความจริงที่ว่าความสัมพันธ์ระหว่าง PIU และความสามารถในการเรียนรู้โดยนัยลดลงในการศึกษาปัจจุบันพบได้เฉพาะในกลุ่มของผู้เข้าร่วมที่มี (ออกเสียง) IGD (ศึกษา 1 และ 2) อาจช่วยอธิบายผลลัพธ์ในส่วนที่ขัดแย้งกันในความสัมพันธ์ระหว่าง การตัดสินใจและ PIU ในวรรณคดี (เช่น , ) อย่างไรก็ตามการเชื่อมโยงนี้น่าจะเป็นไปได้เนื่องจากการศึกษาชี้ให้เห็นว่า IGD เป็นเพศชายที่ติดยาเสพติดเป็นหลัก (เช่น ).

พิจารณา สมมติฐาน 3ความสัมพันธ์ที่สำคัญบางอย่างสามารถพบได้ระหว่างแรงกระตุ้นวัดด้วย BIS-11 และ PIU / IGD (ศึกษา 2 และ 3) ซึ่งสอดคล้องกับการค้นพบในวรรณคดี (เช่น ). ในขณะที่การวัดการรับความเสี่ยงแบบรายงานตนเอง (SOEP) ไม่ได้เชื่อมโยงกับ PIU / IGD ในการศึกษาทั้งสองการศึกษาการวัดการทดลองความเสี่ยง / แรงกระตุ้นมีความสัมพันธ์กับคะแนน OGAS (การศึกษาที่ 3) แต่ไม่เกี่ยวข้องกับ คะแนน s-IAT ความแตกต่างนี้อาจเนื่องมาจากประเด็นเกี่ยวกับความน่าเชื่อถือของมาตรการ ในขณะที่รายงานการรับความเสี่ยงด้วยตนเองได้รับการประเมินด้วยรายการเดียว แต่การวัดการทดลองเกี่ยวกับความเสี่ยงคาดว่าจะให้ข้อมูลที่เป็นไปตามวัตถุประสงค์และเชื่อถือได้ เกี่ยวกับความสัมพันธ์ระหว่าง MNOB และคะแนน OGAS การทดลองหน้าอกของปีศาจ (เวอร์ชัน 2 ที่กล่องถูกสุ่มอย่างสมบูรณ์ในการทดลอง 36 ครั้ง) อาจครอบคลุมด้านที่เฉพาะเจาะจงมากขึ้นของแรงกระตุ้น (เช่นการเสี่ยง) ซึ่งแสดงลักษณะของ IGD ได้ดีกว่า มากกว่า PIU ทั่วไป อย่างไรก็ตาม ไม่พบความแตกต่างในการรับความเสี่ยง (วัดจาก BART) ระหว่างผู้ติดอินเทอร์เน็ตที่มีแนวโน้มต่อ IGD และผู้เข้าร่วมการควบคุม ดังนั้นสมาคมนี้ต้องการการตรวจสอบเพิ่มเติม

การตรวจสอบการปรับแต่งของการทดลอง "หน้าอกปีศาจ" เพื่อวัดการเรียนรู้โดยนัยประสบความสำเร็จในการศึกษาที่ 1 ดังนั้นเราจึงถือว่าผู้เข้าร่วมสามารถดึงข้อมูลและเรียนรู้กลยุทธ์โดยปริยายเพื่อให้ได้รับเงินมากขึ้นตลอดการทดลอง อย่างไรก็ตามในการศึกษา 2 ไม่สามารถสังเกตความแตกต่างอย่างมีนัยสำคัญระหว่างการเพิ่มขึ้นของการทดลอง 1–18 และ 19–36 ยกเว้นกลุ่มผู้เล่น WoW ชายซึ่งผู้เข้าร่วมแสดงให้เห็นว่าผลกำไรลดลงในส่วนที่สองของการทดสอบ ที่นี่เราแสดงให้เห็นในการวิเคราะห์เพิ่มเติมว่าหลังจากควบคุมแรงจูงใจในการบรรลุผลแล้วความสัมพันธ์เชิงลบระหว่างคะแนน GAIN และคะแนน s-IAT / WOW-SPUQ จะแข็งแกร่งขึ้น ดังนั้นเราจึงแนะนำว่าในการศึกษา 2 ผลการเรียนรู้โดยปริยายถูกบดบังด้วยผลของแรงจูงใจในการบรรลุผลสำเร็จเนื่องจากผู้เข้าร่วมได้รับเงินตามจำนวนเงินที่ได้รับจากการทดลอง ณ จุดนี้จำเป็นต้องสังเกตว่า UMS-10 วัดลักษณะแรงจูงใจในการบรรลุผลดังนั้นแนวโน้มที่จะได้รับแรงจูงใจไปสู่ความสำเร็จที่ใหญ่กว่าโดยทั่วไปไม่ใช่สถานะดังนั้นแรงจูงใจที่จะชนะมากขึ้นในการทดลองนี้ อย่างไรก็ตามโดยการควบคุมแรงจูงใจแห่งความสำเร็จ UMS-10 เราได้พิจารณาถึงบทบาทของความแตกต่างของแต่ละบุคคลในแรงจูงใจลักษณะสำหรับการแสดงในภารกิจหน้าอกของปีศาจภายในกลุ่มตัวอย่าง

การตรวจสอบความถูกต้องของการทดลอง "Devil's chest" เวอร์ชันที่สองเพื่อวัดการรับความเสี่ยง / แรงกระตุ้นพบว่าจำนวนเฉลี่ยของกล่องที่เปิดโดยสมัครใจ (MNOB) ไม่ได้เชื่อมโยงอย่างมีนัยสำคัญกับการวัดการรับความเสี่ยงด้วยตนเอง อาจเกิดจากการที่ SOEP ประเมินการรับความเสี่ยงโดยทั่วไปเพียงรายการเดียวซึ่งอาจส่งผลลบต่อความน่าเชื่อถือ อย่างไรก็ตาม MNOB มีความสัมพันธ์กับคะแนน BIS-11 ทั้งหมดเช่นเดียวกับแรงกระตุ้นที่ตั้งใจมอเตอร์และไม่ได้วางแผน ผลลัพธ์เหล่านี้สอดคล้องกับการศึกษาการตรวจสอบความถูกต้องเกี่ยวกับมาตรการพฤติกรรมที่คล้ายคลึงกันของการรับความเสี่ยงเช่น BART ().

ในประเด็นต่อไปนี้จะกล่าวถึงจุดแข็งและข้อ จำกัด ของงานวิจัยที่นำเสนอ จุดแข็งประการหนึ่งของการสอบสวนในปัจจุบันคือการคำนึงถึงบทบาทของเพศสภาพ แม้ว่าจะอธิบายความแตกต่างทางเพศในบริบทของ IGD และ PIU () การสืบสวนไม่มากนักได้ประเมินบทบาทของเพศเมื่อตรวจสอบความสัมพันธ์ระหว่าง PIU / IGD และการเรียนรู้ / รับความเสี่ยงโดยนัยเช่นเดียวกับในการศึกษาปัจจุบัน ยิ่งไปกว่านั้นในการศึกษา 2 กลุ่มของผู้เล่น WoW ได้รับการคัดเลือกโดยใช้เกณฑ์ที่เข้มงวดและไม่ใช่เพียงแค่ใช้ค่าตัดในแบบสอบถามแบบรายงานตนเองเช่น OGAS การใช้ค่าการตัดออกเป็นปัญหาเนื่องจากการตัดค่าจำนวนมากที่ใช้ในการศึกษาบางครั้งมีการเลือกโดยพลการและไม่ได้รับการตรวจสอบอย่างเหมาะสมในการตั้งค่าทางคลินิก สุดท้ายในการศึกษา 1 ถึง 3 เราประเมินทั้ง PIU และ IGD ซึ่งอนุญาตให้ตรวจสอบความเหมือนและลักษณะเฉพาะของความผิดปกติทั้งสองเพิ่มเติม

ข้อ จำกัด ได้แก่ จำนวนผู้เข้าร่วมต่อกลุ่มที่ต่ำโดยเฉพาะในการศึกษา 2 และอายุที่ต่ำของผู้เข้าร่วม ดังนั้นการศึกษาในอนาคตควรตรวจสอบตัวอย่างที่เป็นตัวแทนมากขึ้น ประการที่สองไม่รวมกลุ่มเปรียบเทียบผู้ใช้อินเทอร์เน็ตมากเกินไปซึ่งไม่ใช่ผู้เล่น WoW นอกจากนี้ผลการศึกษายังขึ้นอยู่กับการวิเคราะห์เชิงสหสัมพันธ์ดังนั้นจึงไม่มีการตีความเกี่ยวกับสาเหตุที่เป็นไปได้

6 ข้อสรุป

โดยรวมแล้วเราสามารถแสดงให้เห็นว่า PIU มีความสัมพันธ์อย่างแน่นแฟ้นกับความสามารถในการเรียนรู้โดยนัยที่ไม่ดีในเกมเมอร์ชาย (WoW) การค้นพบนี้สามารถสังเกตได้ในสองตัวอย่างอิสระในการศึกษาปัจจุบัน นอกจากนี้ความสัมพันธ์ที่อ่อนลงเล็กน้อยระหว่าง WOW-SPUQ และการเรียนรู้โดยนัยที่ไม่เพียงพอสามารถสังเกตได้ในกลุ่มผู้เล่น WoW เพศชาย ยิ่งไปกว่านั้นคะแนนที่สูงขึ้นของ OGAS นั้นสัมพันธ์กับแนวโน้มที่สูงขึ้นของพฤติกรรมเสี่ยงในการศึกษา 3 ผลกระทบเฉพาะเรื่องเพศในการศึกษา 1 และ 2 ถูกกล่าวถึงต่อไปในการศึกษานี้

บทบาทของแหล่งเงินทุน

Christian Montag ได้รับรางวัล Heisenberg จากมูลนิธิวิจัยเยอรมัน (MO 2363 / 3-1) นอกจากนี้การศึกษานี้ได้รับทุนสนับสนุนจากการวิจัยทางอินเทอร์เน็ตและการติดเกมคอมพิวเตอร์ที่ได้รับรางวัลจาก Christian Montag โดย German Research Foundation (MO 2363 / 2-1) มูลนิธิวิจัยเยอรมันไม่มีบทบาทในการออกแบบการศึกษาการรวบรวมการวิเคราะห์หรือการตีความข้อมูลการเขียนต้นฉบับหรือการตัดสินใจที่จะส่งบทความเพื่อตีพิมพ์

ร่วมให้ข้อมูล

CM และ RS ออกแบบการศึกษา คัดเลือก RS, BL และ CM และทดสอบผู้เข้าร่วม RS ดำเนินการวิเคราะห์และเขียนต้นฉบับ BL ได้ทำการตรวจสอบการวิเคราะห์ทางสถิติและตรวจสอบต้นฉบับ SM ตั้งโปรแกรมงานทดลอง (เวอร์ชั่น 1 และ 2) และให้ข้อเสนอแนะอย่างละเอียดเกี่ยวกับต้นฉบับหลังจากตรวจสอบแล้ว MR ได้ตรวจสอบต้นฉบับอย่างยิ่ง ผู้เขียนทั้งหมดมีส่วนร่วมและได้รับการอนุมัติต้นฉบับสุดท้าย

กิตติกรรมประกาศ

เราขอขอบคุณ Ralf Reichert จาก Turtle Entertainment ที่ให้โอกาสเราได้ทำการทดลองที่ GamesCom 2013 อย่างไรก็ตาม Turtle Entertainment ไม่ได้ทำกำไรหรือมีอิทธิพลต่อการดำเนินการศึกษา

เราขอขอบคุณ Maximilian Sieber และ Otilia Pasnicu ผู้ซึ่งคัดเลือกและทดสอบผู้เข้าร่วมการศึกษา 3 ซึ่งเป็นส่วนหนึ่งของวิทยานิพนธ์ระดับปริญญาตรีของพวกเขา

เชิงอรรถ

1ตลอดรายงานฉบับนี้เราจะใช้คำว่า Problematic Internet Use (PIU) แทนการติดอินเทอร์เน็ตเนื่องจากขณะนี้ยังไม่มีการวินิจฉัยอย่างเป็นทางการใน DSM-5 และ ICD 10 เนื่องจาก Internet Gaming Disorder (IGD) ถูกรวมอยู่ในภาคผนวกของ DSM-5 คำนี้จะถูกใช้เป็นคำพ้องของการเสพติดเกมออนไลน์ โปรดทราบว่าไม่ใช่ทุกการศึกษาที่เราอ้างถึงในบทความนี้ได้ทำการตรวจสอบ IGD โดยใช้เกณฑ์ที่แนะนำใน DSM-5

2จากบันทึกย่อกล่อง“ ปีศาจ” ไม่ได้ถูกตั้งโปรแกรมให้ปรากฏในตำแหน่ง 1 เพราะสิ่งนี้จะยุติการทดลองปัจจุบันโดยไม่ให้ผู้เข้าร่วมมีโอกาสเลือกถ้าพวกเขาต้องการที่จะดำเนินการโดยเปิดกล่องอื่น

อ้างอิง

  • สมาคมจิตแพทย์อเมริกัน คู่มือการวินิจฉัยและสถิติของความผิดปกติทางจิต 5th ed., (ข้อความ rev., ดึงกันยายน 7th, 2016) http://www.dsm5.org/Pages/Default.aspx
  • Bechara A. , Dolan S. , Denburg N. , Hindes A. , Anderson SW, Nathan PE การขาดดุลการตัดสินใจเชื่อมโยงกับเยื่อหุ้มสมองส่วนหน้า preportal ventromedial ผิดปกติเปิดเผยในเครื่องดื่มแอลกอฮอล์และกระตุ้นผู้เสพ Neuropsychologia 2001;39 (4): 376 389- [PubMed]
  • ยี่ห้อ M. , Labudda K. , Markowitsch HJ Neuropsychological มีความสัมพันธ์กับการตัดสินใจในสถานการณ์ที่คลุมเครือและมีความเสี่ยง โครงข่ายประสาทเทียม 2006;19(8):1266–1276. [PubMed]
  • Brand M. , Young KS, Laier C. , Wölfling K. , Potenza MN การบูรณาการข้อพิจารณาทางจิตวิทยาและระบบประสาทที่เกี่ยวข้องกับการพัฒนาและการบำรุงรักษาความผิดปกติของการใช้อินเทอร์เน็ตที่เฉพาะเจาะจง: ปฏิสัมพันธ์ของแบบจำลองการรับรู้ผลกระทบต่อบุคคล (I-PACE) . ความคิดเห็นเกี่ยวกับประสาทและชีวพฤติกรรม 2016;71: 252 266- [PubMed]
  • Cao F. , Su L. , Liu T. , Gao X ความสัมพันธ์ระหว่างความหุนหันพลันแล่นกับการติดอินเทอร์เน็ตในตัวอย่างของวัยรุ่นจีน จิตเวชยุโรป 2007;22 (7): 466 471- [PubMed]
  • Davis RA โมเดลการรับรู้ทางพฤติกรรมของการใช้อินเทอร์เน็ตทางพยาธิวิทยา คอมพิวเตอร์ในพฤติกรรมมนุษย์ 2001;17 (2): 187 195-
  • Eisenegger C. , Knoch D. , Ebstein RP, Gianotti LR, Sándor PS, Fehr E. ตัวรับโดปามีน D4 polymorphism ทำนายผลของ L-DOPA ต่อพฤติกรรมการพนัน จิตเวชชีวภาพ 2010;67(8):702–706. [PubMed]
  • Epstein S. เกี่ยวกับความรู้ความเข้าใจทฤษฎีตนเองเกี่ยวกับบุคลิกภาพของบุคลิกภาพ ใน: Millon T. , Lerner MJ, บรรณาธิการ คู่มือจิตวิทยา 5th เอ็ด ไวลีย์; โฮโบเก้น: 2003 pp. 159 – 184
  • Internet live stats ผู้ใช้อินเทอร์เน็ตในโลก 2016 http://www.internetlivestats.com/internet-users/ ดึงกันยายน 7th จาก
  • Ko CH, Yen JY, Chen CC, Chen SH, Yen CF ความแตกต่างระหว่างเพศและปัจจัยที่เกี่ยวข้องที่มีผลต่อการติดเกมออนไลน์ในหมู่วัยรุ่นไต้หวัน วารสารโรคเส้นประสาทและจิตใจ 2005;193(4):273–277. (doi:00005053-200504000-00008 [pii]) [PubMed]
  • Ko CH, Hsiao S. , Liu G. , Yen J. , Yang M. , Yen C ลักษณะของการตัดสินใจที่มีศักยภาพที่จะรับความเสี่ยงและบุคลิกภาพของนักศึกษาวิทยาลัยที่ติดอินเทอร์เน็ต การวิจัยทางจิตเวช 2010;175(1):121–125. [PubMed]
  • Kreek MJ, Nielsen DA, Butelman ER, LaForge KS มีอิทธิพลทางพันธุกรรมต่อแรงกระตุ้น, การเสี่ยง, การตอบสนองต่อความเครียดและความอ่อนแอต่อยาเสพติดและการเสพติด ประสาทวิทยาศาสตร์ 2005;8(11):1450–1457. [PubMed]
  • Laier C. , Pawlikowski M. , Brand M. การประมวลผลภาพทางเพศรบกวนการตัดสินใจภายใต้ความคลุมเครือ จดหมายเหตุของพฤติกรรมทางเพศ 2014;43(3):473–482. [PubMed]
  • Lee HW, Choi J. , Shin Y. , Lee J. , Jung HY, Kwon JS Impulsivity ในการเสพติดอินเทอร์เน็ต: การเปรียบเทียบกับการพนันทางพยาธิวิทยา ไซเบอร์จิตวิทยาพฤติกรรมและเครือข่ายสังคม 2012;15(7):373–377. [PubMed]
  • Lejuez CW, อ่าน JP, Kahler CW, JB, Ramsey SE, Stuart GL, … Brown RA การประเมินพฤติกรรมการรับความเสี่ยง: งานบอลลูนความเสี่ยงแบบอะนาล็อก (BART) วารสารจิตวิทยาการทดลอง: ประยุกต์ 2002;8(2):75–84. [PubMed]
  • Lemmens JS, Valkenburg PM, Peter J. การพัฒนาและการตรวจสอบระดับการเสพติดเกมสำหรับวัยรุ่น จิตวิทยาสื่อ 2009;12(1):77–95.
  • Miles J. , Shevlin M. Sage; 2001 การใช้การถดถอยและสหสัมพันธ์: แนวทางสำหรับนักเรียนและนักวิจัย
  • Moeller FG, Barratt ES, Dougherty DM, Schmitz JM, Swann AC ด้านจิตเวชของแรงกระตุ้น วารสารจิตเวชอเมริกัน 2001;158(11):1783–1793. [PubMed]
  • Montag C. , Bey K. , Sha P. , Li M. , Chen Y. , Liu W. , … Keiper J. มันมีความหมายหรือไม่ที่จะแยกแยะระหว่างการติดอินเทอร์เน็ตทั่วไปและเฉพาะเจาะจง? หลักฐานจากการศึกษาข้ามวัฒนธรรมจากประเทศเยอรมนีสวีเดนไต้หวันและจีน จิตเวชเอเชียแปซิฟิก 2015;7(1):20–26. [PubMed]
  • Patton JH โครงสร้าง MS Factor ของ Stanford ในระดับความหุนหันพลันแล่นของ Barratt วารสารจิตวิทยาคลินิก. 1995;51(6):768–774. [PubMed]
  • Pawlikowski M. , Brand M. การเล่นเกมอินเทอร์เน็ตและการตัดสินใจที่มากเกินไป: ผู้เล่นวอร์คราฟต์ในโลกที่มากเกินไปมีปัญหาในการตัดสินใจภายใต้เงื่อนไขที่มีความเสี่ยงหรือไม่? การวิจัยทางจิตเวช 2011;188(3):428–433. [PubMed]
  • Pawlikowski M. , Altstötter-Gleich C. , Brand M. การตรวจสอบความถูกต้องและคุณสมบัติไซโครเมตริกของการทดสอบการติดอินเทอร์เน็ตรุ่นสั้นของ Young คอมพิวเตอร์ในพฤติกรรมมนุษย์ 2013;29(3):1212–1223.
  • Peters CS, Malesky LA, Jr. การใช้งานที่มีปัญหาในหมู่ผู้เล่นที่มีส่วนร่วมสูงในเกมเล่นตามบทบาทออนไลน์ที่มีผู้เล่นหลายคนจำนวนมาก ไซเบอร์จิตวิทยาและพฤติกรรม. 2008;11(4):481–484. [PubMed]
  • Rumpf H. , Meyer C. , Kreuzer A. , John U. , Merkeerk G. Vol. 31 2011 Prävalenz der internetabhängigkeit (PINTA) Bericht an Das Bundesministerium Für Gesundheit Greifswald Und Lübeck (12ff)
  • Schiebener J. , แบรนด์ M. การตัดสินใจภายใต้เงื่อนไขความเสี่ยงที่เป็นเป้าหมาย - การทบทวนความสัมพันธ์ทางปัญญาและอารมณ์กลยุทธ์การประมวลผลป้อนกลับและอิทธิพลภายนอก รีวิวประสาทวิทยา 2015;25(2):171–198. [PubMed]
  • Schoenbaum G. , Roesch MR, Stalnaker TA Orbitofrontal cortex, การตัดสินใจและการติดยาเสพติด แนวโน้มทางประสาทวิทยาศาสตร์ 2006;29(2):116–124. [PubMed]
  • Schönbrodt FD, Gerstenberg FX การวิเคราะห์ IRT ของแบบสอบถามแรงจูงใจ: สเกลแรงจูงใจแบบครบวงจร วารสารการวิจัยในบุคลิกภาพ 2012;46(6):725–742.
  • Siedler T. , Schupp J. , Spiess CK, Wagner GG แผงเศรษฐกิจและสังคมเยอรมันเป็นชุดข้อมูลอ้างอิง Schmollers Jahrbuch 2008;129(2):367–374.
  • Stanford MS, Mathias CW, Dougherty DM, Lake SL, Anderson NE, Patton JH ห้าสิบปีของระดับความหุนหันพลันแล่นของ Barratt: การอัปเดตและการทบทวน บุคลิกภาพและความแตกต่างของแต่ละบุคคล 2009;47(5):385–395.
  • ซุนเฉินซีแม่หม่าจางเอ็กซ์ฟูจุนฟังก์ชั่นการยับยั้งการตัดสินใจและการตอบโต้ล่วงหน้าในผู้ใช้อินเทอร์เน็ตมากเกินไป ระบบประสาทส่วนกลาง 2009;14(02):75–81. [PubMed]
  • Tao R. , Huang X. , Wang J. , Zhang H. , Zhang Y. , Li M. ได้นำเสนอเกณฑ์การวินิจฉัยสำหรับการติดอินเทอร์เน็ต ติดยาเสพติด 2010;105(3):556–564. [PubMed]
  • Yao Y. , Chen P. , Chen C. , Wang L. , Zhang J. , Xue G. , … Fang X. ความล้มเหลวในการใช้ข้อเสนอแนะทำให้เกิดการขาดดุลตัดสินใจในหมู่นักเล่นเกมอินเทอร์เน็ตจำนวนมาก การวิจัยทางจิตเวช 2014;219(3):583–588. [PubMed]
  • Yao YW, Wang LJ, Yip SW, Chen PR, Li S. , Xu J. , … Fang XY การตัดสินใจที่มีความบกพร่องภายใต้ความเสี่ยงนั้นเกี่ยวข้องกับการขาดการยับยั้งเฉพาะการเล่นเกมในหมู่นักศึกษาที่มีปัญหาการเล่นเกมทางอินเทอร์เน็ต การวิจัยทางจิตเวช 2015;229(1):302–309. [PubMed]
  • จิตวิทยาการใช้คอมพิวเตอร์ของหนุ่ม KS: XL การใช้อินเทอร์เน็ตที่เสพติด: กรณีที่ละเมิดกฎตายตัว รายงานทางจิตวิทยา 1996;79(3):899–902. [PubMed]
  • หนุ่ม KS John Wiley & Sons; 1998. ติดเน็ต: วิธีรับรู้สัญญาณของการติดอินเทอร์เน็ตและกลยุทธ์ที่ชนะในการฟื้นตัว
  • Young KS การติดอินเทอร์เน็ต: การเกิดขึ้นของความผิดปกติทางคลินิกใหม่ ไซเบอร์จิตวิทยาและพฤติกรรม. 1998;1(3):237–244.