พื้นหลัง: อินเทอร์เน็ตได้กลายเป็นส่วนพื้นฐานของชีวิตสมัยใหม่มันทำให้เกิดปัญหาพฤติกรรมต่าง ๆ พฤติกรรมเหล่านี้บางอย่างเช่นการใช้สื่อสังคมออนไลน์การตรวจสอบอีเมลบ่อยครั้งการเล่นเกมออนไลน์มากเกินไปการซื้อทางออนไลน์และการพนันและการดูสื่อลามกทำให้เกิดความบกพร่องในการทำงานประจำวันของบุคคลบางคน นักวิจัยที่แตกต่างกันศึกษาด้านจิตวิทยาเช่นสเปกตรัมหุนหันพลันแล่นความวิตกกังวลและภาวะซึมเศร้าในผู้ติดอินเทอร์เน็ต

วัตถุประสงค์: การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อศึกษาความสัมพันธ์ระหว่างการเสพติดอินเทอร์เน็ตกับบุคลิกภาพด้านต่าง ๆ ของนักศึกษาแพทย์

วิธีการ: ในการศึกษาครั้งนี้มีวัตถุประสงค์เพื่อประเมินนักศึกษา 687 แพทย์ทุกคนของคณะแพทยศาสตร์มหาวิทยาลัยวิทยาศาสตร์การแพทย์ชีราซ นักเรียน 364 แสดงการโต้แย้งของพวกเขาสำหรับการเข้าร่วมในการศึกษาโดยการกรอกแบบฟอร์มยินยอม สุดท้ายเก็บรวบรวมแบบสอบถามที่ถูกต้อง 278 พวกเขาตอบคำถามเชิงประชากรในแบบสอบถามเช่นอายุเพศสถานภาพการสมรสที่พักนักศึกษาปีเข้ามหาวิทยาลัยสถานที่อยู่อาศัยของนักเรียนและทำการทดสอบการติดอินเทอร์เน็ตและ NEO-FFI แบบห้าปัจจัยคือ (NEO-FFI) เต็มไปด้วย

ผลการศึกษา: 55% ของผู้เข้าร่วมแสดงการติดอินเทอร์เน็ตโดยมีการแจกจ่าย 51.4% ที่ไม่รุนแรงปานกลาง 2.9% ปานกลางและ 0.4% ติดยาเสพติดที่รุนแรง การติดอินเทอร์เน็ตและลักษณะบุคลิกภาพของบุคลิกภาพด้านการแสดงตัว (ค่าสัมประสิทธิ์สหสัมพันธ์ = -0.118, P = 0.05), ความสอดคล้อง ความสัมพันธ์เชิงลบ แต่มีความสัมพันธ์กับโรคประสาท (ค่าสัมประสิทธิ์สหสัมพันธ์ = + 0.379, P = 0.001) เป็นบวกอย่างมีนัยสำคัญ คะแนนการติดอินเทอร์เน็ตในหมู่นักเรียนในภาคเรียนที่ห้าและสิบเอ็ดก่อนการทดสอบวิทยาศาสตร์ขั้นพื้นฐานที่ครอบคลุม (0.21 ± 0.001) และการทดสอบก่อนการฝึกงานที่ครอบคลุม (0.2 ± 0.001) สูงกว่าปีการศึกษาอื่น ๆ

สรุป: ความชุกของการติดอินเทอร์เน็ตในการศึกษานี้สูงกว่าเมื่อเปรียบเทียบกับการศึกษาที่คล้ายกันในสาขาอื่น ๆ ซึ่งนำไปสู่ความกังวลเกี่ยวกับขอบเขตของปัญหา การติดอินเทอร์เน็ตมากขึ้นในหมู่นักเรียนในภาคการศึกษาที่ 4th และ 10th เผยให้เห็นความจำเป็นในการฝึกฝนอย่างมีประสิทธิภาพเพื่อรับมือกับความเครียดในสภาพวิกฤติและเพื่อรักษาผลการเรียนที่ดี ความสัมพันธ์ของลักษณะบุคลิกภาพบางลักษณะที่มีการติดอินเทอร์เน็ตแนะนำการประเมินเบื้องต้นของบุคลิกภาพนักศึกษาแพทย์โดยใช้เครื่องมือคัดกรองและระบุประชากรที่มีความเสี่ยง สิ่งนี้อาจพิสูจน์ถึงความต้องการวิธีการที่เอื้ออำนวยต่อการเริ่มต้นของการป้องกัน

คำสำคัญ: พฤติกรรมเสพติด; บุคลิกภาพ; สินค้าคงคลังบุคลิกภาพ

อินเทอร์เน็ตในฐานะเครือข่ายขนาดใหญ่ที่มีช่องทางส่วนตัวสาธารณะนักวิชาการธุรกิจและหน่วยงานรัฐบาลนับล้านจากขอบเขตท้องถิ่นถึงทั่วโลกโดยมีผลกระทบอย่างมากต่อชีวิตมนุษย์มีบทบาทสำคัญต่อพฤติกรรมและจิตใจของผู้คน (1) วัยรุ่นเป็นผู้ใช้อินเทอร์เน็ตบ่อยที่สุดซึ่งในหมู่พวกเขานักศึกษามหาวิทยาลัยเป็นกลุ่มที่มีความเสี่ยงสูงต่อการติดอินเทอร์เน็ต (2).

นักศึกษามหาวิทยาลัยจะได้สัมผัสกับชีวิตใหม่เช่นการใช้งานด้านวิชาการอย่างหลีกเลี่ยงไม่ได้และการเข้าถึงอินเทอร์เน็ตมินิคอมพิวเตอร์พกพาและโทรศัพท์มือถือ นอกจากนี้การควบคุมโดยผู้ปกครองน้อยกว่าความรู้สึกของความเหงาและความเหงาซึ่งนำไปสู่ภาวะซึมเศร้าและความวิตกกังวล ในทางกลับกันคุณลักษณะบางอย่างเช่นการแสวงหาความแปลกใหม่การแข่งขันกับเพื่อนและแรงกดดันจากเพื่อนฝูงคุกคามพวกเขารวมถึงการติดอินเทอร์เน็ต (3-7).

คำจำกัดความของการเสพติดอินเทอร์เน็ตคือการไม่สามารถควบคุมการใช้อินเทอร์เน็ตของคน ๆ หนึ่งซึ่งส่งผลให้เกิดการด้อยค่าอย่างรุนแรงในด้านต่างๆของชีวิต (8) คำนี้มีการรายงานในภาคผนวกของรุ่นล่าสุดของคู่มือการวินิจฉัยและสถิติสำหรับความผิดปกติทางจิต (DSM-5) เป็นวลีใหม่ความผิดปกติของการเล่นเกมทางอินเทอร์เน็ต (9).

ความชุกของการเสพติดอินเทอร์เน็ตในนักศึกษาวิทยาลัยได้รับรายงานว่าเป็น 16.3% ในนักเรียนวิทยาลัยอิตาลี, 4% ในสหรัฐอเมริกา, 5.9% และ 17.9% ในไต้หวัน, 10.6% ในจีนและ 34.7% ในกรีซ (2, 10-13) ในนักศึกษามหาวิทยาลัยมีความสัมพันธ์โดยตรงระหว่างการรับรู้การสนับสนุนทางสังคมที่ไม่ดีและความรู้สึกของความเหงาทางสังคมทางอารมณ์กับการติดอินเทอร์เน็ต14, 15) การติดอินเทอร์เน็ตนั้นสัมพันธ์กับสภาวะสุขภาพจิต (16). ความชุกของการติดอินเทอร์เน็ตในนักศึกษามหาวิทยาลัยในอิหร่านรายงาน 10 - 43% (2, 17-19).

เนื่องจากลักษณะบุคลิกภาพเป็นปัจจัยสำคัญสำหรับการพึ่งพาสารดูเหมือนเป็นปัจจัยเสี่ยงที่สำคัญสำหรับการติดอินเทอร์เน็ต20-23) ในการศึกษานี้เป้าหมายของเราคือการประเมินลักษณะบุคลิกภาพในนักเรียนที่ได้รับผลกระทบจากการติดอินเทอร์เน็ต สิ่งนี้สามารถพิสูจน์ความสำคัญของความต้องการเครื่องมือคัดกรองและช่วยเหลือผู้ที่มีความเสี่ยงสูงโดยเฉพาะในสภาพแวดล้อมทางวิชาการ

การสำรวจความชุกของการติดอินเทอร์เน็ตและการสังเกตบทบาทของลักษณะบุคลิกภาพเป็นปัจจัยเสี่ยงของการติดอินเทอร์เน็ตเป็นวัตถุประสงค์หลักของการศึกษานี้ สมมติฐานคือ: 1 ลักษณะทางประชากรเช่นเพศจะเป็นปัจจัยเสี่ยงที่เป็นบวกสำหรับการติดอินเทอร์เน็ต และ 2, ลักษณะบุคลิกภาพที่เฉพาะเจาะจงเช่นบุคลิกภาพด้านการแสดงตัวต่ำ, ความตกลงต่ำและความมั่นคงทางอารมณ์ต่ำจะมีผลต่อความเสี่ยงของการติดอินเทอร์เน็ต การวิจัยในปัจจุบันมีวัตถุประสงค์เพื่อศึกษาขอบเขตของผลกระทบจากปัจจัยสามประการ ได้แก่ บุคลิกภาพการใช้ชีวิตทางสังคมและอินเทอร์เน็ตเกี่ยวกับการเสพติดอินเทอร์เน็ตของนักศึกษาแพทย์

3.1 ผู้เข้าร่วม

ในการวิจัยภาคตัดขวางในปัจจุบันกลุ่มตัวอย่างทางสถิติประกอบด้วยนักศึกษาแพทย์ทั้งหมดของ Shiraz University of Medical Science เมือง Shiraz ประเทศอิหร่าน ในช่วงเวลาของการศึกษานักศึกษาแพทย์ 687 คนได้รับการศึกษาในมหาวิทยาลัยวิทยาศาสตร์การแพทย์ชิราซ นักเรียน 364 คนตั้งใจจะเข้าร่วมในการศึกษานี้ ในที่สุด 278 แบบสอบถามที่ถูกต้องถูกรวบรวม การวิจัยได้ทำในภาคเรียนที่ 1393 ปีการศึกษา 1394 - XNUMX

เกณฑ์การคัดเลือก: นักศึกษาแพทย์ทุกคนศึกษาในปี 1393 - 1394

เกณฑ์การยกเว้น: ทุกคนที่ไม่ยอมเข้าร่วมการศึกษา

3.2 เครื่องดนตรี

แบบสอบถามเกี่ยวกับข้อมูลประชากรประกอบด้วยคำถามเกี่ยวกับอายุเพศสถานภาพการสมรสที่พักนักเรียนปีที่รับสมัครสถานที่อยู่อาศัยของนักเรียน

การทดสอบการติดอินเทอร์เน็ต (IAT) ที่พัฒนาโดย Kimberly Young เป็นการวัดการใช้อินเทอร์เน็ตที่น่าเชื่อถือและถูกต้อง ประกอบด้วย 20 รายการที่จัดอันดับในหกตัวเลือกรูปแบบ Likert จาก never = 0 ถึง always = 5 คะแนนต่ำสุดและสูงสุดคือศูนย์และ 100 ตามลำดับ คะแนนรวมของผู้เข้าร่วมแต่ละคนแบ่งออกเป็นหนึ่งในชั้นเรียนเหล่านี้: สุขภาพแข็งแรง (คะแนน 0-19), มีความเสี่ยง (คะแนน 20 - 49), การพึ่งพาปานกลาง (คะแนน 50 - 79) และการพึ่งพาอย่างรุนแรง (คะแนน 80 - 100) (24) ใช้แบบสอบถามเปอร์เซียฉบับนี้ในการศึกษานี้ (25).

สาเหตุของการใช้อินเทอร์เน็ตที่แตกต่างกันประเมินในแบบสอบถามแยกต่างหากที่ประกอบด้วยรายการ 10

60-item NEO Five-Factor Inventory (NEO-FFI) สามารถกำหนดปัจจัยบุคลิกภาพพื้นฐานห้าประการ ตราสารที่มีรายการ 60 อยู่ในอันดับที่ห้าจาก Likert scale (1 = ไม่เห็นด้วยอย่างยิ่งกับ 5 = เห็นด้วยอย่างยิ่ง) ที่ประเมินรูปแบบบุคลิกภาพห้าปัจจัย ได้แก่ : โรคประสาท (N), ความเห็นชอบ (A) และความมีสติ (C) , บุคลิกภาพด้านการแสดงตัว (E) และปัจจัย openness (O) (26) แบบสอบถามฉบับนี้ใช้ในการศึกษาอิหร่าน (26).

3.3 ขั้นตอน

ผู้เข้าร่วมทั้งหมดสมัครใจเข้าร่วมในการศึกษานี้ นักวิจัยพบผู้เข้าร่วมในชั้นเรียนของพวกเขา หลังจากการแนะนำเบื้องต้นเกี่ยวกับจุดมุ่งหมายของการศึกษานี้และความลับของข้อตกลงการเปิดเผยข้อมูลผู้เข้าร่วมถูกถามให้กรอกแบบสอบถามรวมถึงแบบสอบถามประชากรแบบสอบถาม ITA และหลังจากนั้นทันที NEO-FFI

4.1 การวิเคราะห์เชิงพรรณนา

ข้อมูลดิบของแบบสอบถามที่ถูกต้อง 278 ถูกนำเข้าสู่ SPSS รุ่น 20 และเตรียมพร้อมสำหรับการวิเคราะห์ทางสถิติ อายุเฉลี่ยของผู้เข้าร่วมคือ 21.48 ± 2.59

39% (n = 108) ของผู้เข้าร่วมเป็นเพศชายและ 61% (n = 170) เป็นเพศหญิง ในการประเมินสถานที่อยู่อาศัย 66% (n = 184) ของพวกเขาอาศัยอยู่กับครอบครัวและ 34% (n = 94) อาศัยอยู่ในหอพักนักเรียน (1 ตาราง).

1 ตาราง   ปัจจัยด้านประชากรศาสตร์ที่มีผลต่อการใช้อินเทอร์เน็ต

4.2 การใช้อินเทอร์เน็ต

เวลาเฉลี่ยของการใช้อินเทอร์เน็ตคือ 3.81 ± 3.14 ชั่วโมง

สาเหตุของการใช้อินเทอร์เน็ตที่แตกต่างกันประเมินในแบบสอบถามแยกต่างหากที่ประกอบด้วยรายการ 10 ผลลัพธ์จะแสดงใน 1 ตาราง. การใช้อินเทอร์เน็ตที่พบมากที่สุดคือการค้นหาทางวิทยาศาสตร์และการใช้เครือข่ายสังคม และสาเหตุที่น้อยที่สุดคือเกมออนไลน์และการแชท

4.3 การวิเคราะห์คะแนน IAT

ในการวิเคราะห์คำตอบ IAT ของนักเรียนจะใช้มาตราส่วนมาตรฐานของ Young การแพร่กระจายของความรุนแรงของการติดอินเทอร์เน็ตคือ: 45.3% (n = 125) ซึ่งอยู่ในช่วงปกติ 51.4% (n = 143) การติดอินเทอร์เน็ตที่ไม่รุนแรง 2.9% (n = 8) การติดอินเทอร์เน็ตปานกลางและ 0.4% (n = 1) ) ติดยาเสพติดที่รุนแรง

การประเมินปัจจัยทางเพศระบุว่าคะแนนเพศชายสูงกว่า (M = 27.67, SD = 14.57) มากกว่าเพศหญิง (M = 20.34, SD = 13.12) การวิเคราะห์ t-test อิสระระบุคะแนน IAT แตกต่างกันไปตามเพศ (P = 0.001) คะแนน IAT สูงกว่านักเรียนที่อาศัยอยู่กับครอบครัวอย่างมีนัยสำคัญ (M = 24.34) เมื่อเทียบกับนักเรียนที่อาศัยอยู่ในหอพักนักเรียน (M = 20.92) (P = 0.001) การประเมินสถานภาพการสมรสแสดงคะแนน IAT ของนักเรียนคนเดียวมีคะแนนเฉลี่ยสูงกว่าอย่างมีนัยสำคัญเมื่อเทียบกับนักเรียนที่แต่งงานแล้ว (P = 0.043)

2 ตาราง แสดงค่าเฉลี่ยและ SD ของคะแนน ITA เนื่องจากปัจจัยทางประชากรในกลุ่มที่ติด มีความสัมพันธ์เชิงบวกระหว่างชั่วโมงการใช้อินเทอร์เน็ตและคะแนน IAT

การเปรียบเทียบคะแนน IAT หมายถึงคะแนนระหว่างปีของการเข้าชั้นเรียนที่แตกต่างกันแสดงให้เห็นว่านักเรียนที่เข้าเรียนในมหาวิทยาลัยที่ 2012 (1391 Hijri) และ 2008 (1387 Hijri) ที่ต้องเข้าร่วมในการทดสอบที่ครอบคลุมของมหาวิทยาลัยตามลำดับแสดงการทดสอบวิทยาศาสตร์ขั้นพื้นฐาน P = 0.02)

2 ตาราง   ค่าเฉลี่ยของคะแนน IAT และปัจจัยทางประชากร

4.4 ลักษณะบุคลิกภาพและการติดอินเทอร์เน็ต

การวิเคราะห์สหสัมพันธ์ของเพียร์สันและการถดถอยเชิงเส้นหลายครั้งใช้เพื่อประเมินความสัมพันธ์ระหว่างลักษณะบุคลิกภาพของนักเรียนและคะแนน IAT ทั้งหมด ผลลัพธ์จะแสดงใน 3 ตาราง. มีความสัมพันธ์เชิงบวกระหว่างคะแนน IAT และโรคประสาทอ่อน (N) และความสัมพันธ์เชิงลบระหว่างคะแนน IAT และ, ความเห็นชอบ (A) และมโนธรรม (C), การแสดงตัว (E) ไม่พบความสัมพันธ์ที่สำคัญระหว่างคะแนนรวม IAT และลักษณะบุคลิกภาพแบบเปิดกว้าง การตรวจสอบบทบาทที่เป็นไปได้ของลักษณะบุคลิกภาพในการอธิบายการใช้อินเทอร์เน็ตที่มีปัญหาได้ดำเนินการโดยการวิเคราะห์การถดถอยแบบพหุ คะแนนรวม IAT ถูกตั้งค่าเป็นตัวแปรตาม ผลลัพธ์ของการวิเคราะห์การถดถอยเชิงเส้นหลายครั้งแสดงให้เห็นว่าโดเมนเดียวที่สามารถทำนายการติดอินเทอร์เน็ตได้คือเห็นด้วย (A) ซึ่งสามารถทำนาย 0.1% ของการถดถอยตัวแปรการติดอินเทอร์เน็ตถูกคำนวณโดย: y = ax + b ดังนั้นสูตรการทำนายสำหรับการติดอินเทอร์เน็ต เป็น: Y = 46.21 ± 0.762 (เห็นด้วย) คะแนนดิบของความเห็นพ้องต้องกันสามารถใส่ไว้ในสูตรนี้และสามารถทำนายการติดอินเทอร์เน็ตได้

3 ตาราง   สัมประสิทธิ์สหสัมพันธ์ระหว่างคุณลักษณะบุคลิกภาพกับคะแนน IAT

มีการรายงานการเปรียบเทียบลักษณะบุคลิกภาพระหว่างกลุ่มที่ติดและไม่ติดกลุ่ม 4 ตาราง. กลุ่มที่ไม่ติดยาเสพติดแสดงคะแนนเฉลี่ยที่สูงขึ้นอย่างมีนัยสำคัญในความเห็นชอบ (A) และมโนธรรม (C), บุคลิกภาพด้านบุคลิกภาพ (E)

4 ตาราง   ค่าเฉลี่ยของลักษณะบุคลิกภาพของประชากรติดอินเทอร์เน็ตและไม่ติด

การวิจัยครั้งนี้มีวัตถุประสงค์หลักเพื่อศึกษาความเสี่ยงของการติดอินเทอร์เน็ตในนักศึกษาแพทย์โดยพิจารณาจากความสัมพันธ์ระหว่างข้อมูลทางประชากรการใช้อินเทอร์เน็ตของนักเรียนและลักษณะบุคลิกภาพ ความชุกสูงขึ้นเมื่อเปรียบเทียบกับงานวิจัยที่คล้ายกันในนักศึกษามหาวิทยาลัยในอิหร่านและประเทศอื่น ๆ ความชุกของการติดอินเทอร์เน็ตในนักศึกษามีรายงานว่าเป็น 4% ในสหรัฐอเมริกา, 5.9% และ 17.9% ในไต้หวัน, 10.6% ในจีนและ 34.7% ในกรีซ ในความชุกของมหาวิทยาลัยการแพทย์อิหร่านอื่น ๆ อยู่ระหว่าง 5.2 ถึง 22% (2, 10-13, 17-19, 27) แม้ว่าความแตกต่างนี้จะเกี่ยวข้องกับการเพิ่มอัตราการเข้าถึงเทคโนโลยี อัตราการติดอินเทอร์เน็ตที่สูงนี้กำลังเป็นที่น่ากังวล ในการศึกษาของเราการใช้อินเทอร์เน็ตที่พบมากที่สุดในนักศึกษาแพทย์มีวัตถุประสงค์เพื่อค้นหาบทความทางวิทยาศาสตร์ สิ่งนี้ได้รับการยืนยันในการศึกษาของนักศึกษาแพทย์ (17) แม้ว่าวัตถุประสงค์ทั่วไปของการใช้อินเทอร์เน็ตมากเกินไปในการศึกษาอื่น ๆ คือการเชื่อมต่อไซเบอร์ทางสังคมเช่นการแชท (10, 27).

ในการศึกษานี้คล้ายกับงานวิจัยอื่น ๆ ที่นักเรียนชายมีคะแนน IAT สูงกว่าเพศหญิง (17, 26, 28) มีการศึกษาบางอย่างระบุว่าอัตราการติดอินเทอร์เน็ตนั้นสูงขึ้นในนักเรียนหญิง (10, 29) สามารถอธิบายได้โดยความสนใจและแรงจูงใจของผู้ชายสำหรับเทคโนโลยีสารสนเทศ วัฒนธรรมสามารถมีบทบาทสำคัญในผลลัพธ์ดังกล่าว

การวิจัยของเราแสดงให้เห็นว่าคะแนน IA เฉลี่ยสูงกว่าในผู้ที่อาศัยอยู่กับครอบครัวเมื่อเปรียบเทียบกับนักเรียนที่อาศัยอยู่ในหอพักนักเรียน การค้นพบนี้คล้ายกับการศึกษาอื่น ๆ (26) นี่อาจเป็นเพราะความรับผิดชอบมากขึ้นในนักเรียนที่อาศัยอยู่ในหอพักนักเรียนเนื่องจากพวกเขาต้องจัดการทุกอย่างในชีวิตของพวกเขาเอง

ปัจจัยเสี่ยงที่เป็นที่รู้จักกันดีซึ่งถูกกำหนดไว้ในการวิจัยสำหรับ IA นี้เป็นเพียงปัจจัยเดียว ในการศึกษาที่คล้ายกันอื่น ๆ ว่าเป็นโสดการมีความสัมพันธ์ในครอบครัวที่ด้อยคุณภาพและการหย่าร้างเป็นปัจจัยเสี่ยงต่อการติดอินเทอร์เน็ต28) สิ่งนี้สามารถอธิบายได้โดยแบบจำลองพฤติกรรมทางปัญญาที่พิสูจน์การค้นพบนี้ การออนไลน์ทำให้ผู้คนมีความรู้ความสามารถและการขัดเกลาทางสังคมซึ่งส่งผลต่อการใช้อินเทอร์เน็ต (13) Beyrami และคณะ ศึกษาผลของการรับรู้การสนับสนุนทางสังคมและความรู้สึกเหงาทางสังคมอารมณ์ต่อการติดอินเทอร์เน็ตในนักศึกษามหาวิทยาลัย (15) สิ่งนี้ได้รับการอนุมัติในการศึกษาของชอว์ด้วย (14).

ในงานวิจัยนี้ได้ยอมรับสมมติฐานเริ่มต้นของอิทธิพลของลักษณะบุคลิกภาพที่เป็นตัวทำนายการติดอินเทอร์เน็ตได้รับการยอมรับบางส่วน ในการศึกษาของเรามีความสัมพันธ์เชิงบวกระหว่างคะแนน IAT และโรคประสาทอ่อน (N) และความสัมพันธ์เชิงลบระหว่างคะแนน IAT และความเห็นชอบ (A), ความมีสติ (C) และบุคลิกภาพด้านบุคลิกภาพ (E) ไม่พบความสัมพันธ์ที่มีนัยสำคัญระหว่างคะแนนรวม IAT และลักษณะบุคลิกภาพแบบเปิดกว้าง การศึกษาที่แตกต่างกันใช้เครื่องมือประเมินบุคลิกภาพประเภทต่าง ๆ ในบรรดาผู้ที่ใช้แบบจำลองห้าปัจจัยและแบบจำลองปัจจัยสามตัวยืนยันผลกระทบของโรคประสาท (N) ต่อการติดอินเทอร์เน็ต (29-34) ความสัมพันธ์เชิงลบของความเห็นพ้อง (A), มโนธรรม (C), บุคลิกภาพด้านการแสดงตัว (E) มีความคล้ายคลึงกับการค้นพบในการศึกษาอื่น ๆ ที่ประเมินบทบาทของบุคลิกภาพในการติดอินเทอร์เน็ต (20, 30, 31) ตัวอย่างของอังกฤษสามฉบับที่เป็นอิสระเกี่ยวกับ NEO-FFI บ่งชี้ว่าความเห็นด้วยความเห็นใจความมั่นคงทางอารมณ์และความพิถีพิถันนั้นมีระดับย่อยที่เชื่อถือได้มากกว่าการแสดงตัวและการเปิดเผยเพื่อสัมผัสและการแสดงตัว (35).

โรคประสาทอ่อนไหวง่ายต่อการสัมผัสกับความรู้สึกด้านลบเช่นภาวะซึมเศร้าความวิตกกังวลความโกรธด้วยความอดทนน้อยต่อความเครียดหรือสิ่งเร้าที่ไม่พึงประสงค์ ผู้ที่มีคะแนนสูงในความมั่นคงทางอารมณ์ตีความสถานการณ์ปกติว่าน่ากลัวและคุกคาม ปัญหาเหล่านี้ในการควบคุมอารมณ์สามารถมีอิทธิพลต่อความสามารถในการคิดอย่างชัดเจนตัดสินใจและจัดการกับความเครียดได้อย่างมีประสิทธิภาพ (36) เหล่านี้อาจเป็นเหตุผลที่บุคคลเหล่านี้ใช้วิธีการทดแทนเช่นการใช้อินเทอร์เน็ตในการจัดการกับสถานการณ์ที่เครียด นี่เป็นคำอธิบายสำหรับการเพิ่มอัตราการติดอินเทอร์เน็ตในช่วงเวลาก่อนการทดสอบที่ครอบคลุมในช่วงปีการศึกษา

ลักษณะความสอดคล้องเป็นตัวทำนายเชิงลบอย่างมากของการติดอินเทอร์เน็ต คนที่มีความเห็นพ้องต้องกันต่ำมีปัญหาบางอย่างในการสร้างความสัมพันธ์ระหว่างบุคคลที่แท้จริงหรือแบ่งปันประสบการณ์การทำงานเป็นทีมดังนั้นพวกเขาจึงชอบที่จะใช้เวลาว่างในการท่องอินเทอร์เน็ต (37, 38) และนี่คือวิธีการตอบสนองความต้องการส่วนตัวของพวกเขา

ลักษณะบุคลิกภาพอีกอย่างหนึ่งที่แสดงให้เห็นถึงผลกระทบเชิงลบอย่างมีนัยสำคัญในการทำนายการติดอินเทอร์เน็ตคือ Extraversion มีลักษณะโดยการแสวงหาความสนใจเป็นช่างพูดมีผลกระทบเชิงบวกสูงและเป็นกันเองในชีวิตจริงในขณะที่คนเก็บตัวมากเกินไปกระตุ้นและวิตกกังวล พวกเขาจึงต้องการสันติภาพและสภาพแวดล้อมที่สงบเพื่อให้อยู่ในระดับที่เหมาะสมของการปฏิบัติงาน ดังนั้นพวกเขาอาจต้องการโต้ตอบกับผู้อื่นทางออนไลน์ (39).

ลักษณะบุคลิกภาพที่มีมโนธรรมก็เป็นตัวทำนายเชิงลบที่สำคัญของการติดอินเทอร์เน็ต ดังนั้นนักเรียนที่มีพฤติกรรมที่เป็นระบบและมีโครงสร้างเมื่อเปรียบเทียบกับบุคคลที่ไม่เป็นระเบียบมีความเสี่ยงต่อการติดอินเทอร์เน็ตต่ำกว่า (40).

การค้นพบที่น่าสนใจอีกประการหนึ่งในงานวิจัยนี้คือผลของแรงกดดันเช่นการทดสอบวิทยาศาสตร์ขั้นพื้นฐานที่ครอบคลุมและการทดสอบก่อนการฝึกงานที่ครอบคลุมเกี่ยวกับการเพิ่มการใช้อินเทอร์เน็ต ดูเหมือนว่านักเรียนใช้พฤติกรรมที่ไม่เหมาะสมนี้เป็นกลไกในการป้องกันเพื่อหลบหนีจากความเครียด นักเรียนในภาคการศึกษาที่ 4th และ 10th จำเป็นต้องได้รับการฝึกอบรมอย่างถูกต้องและมีประสิทธิภาพเพื่อจัดการกับความเครียดในสภาวะวิกฤติและเพื่อรักษาผลการเรียนในเชิงบวกไม่พบการศึกษาที่คล้ายกันเพื่อประเมินผลกระทบนี้

ข้อมูลเหล่านี้เป็นตัวบ่งชี้ที่ดีของนักศึกษาแพทย์ของคณะการแพทย์ของ Shiraz University of Medical Science ข้อ จำกัด หลายประการในการศึกษานี้ควรขีดเส้นใต้ ข้อมูลนี้เกี่ยวข้องกับนักศึกษาจากมหาวิทยาลัยการแพทย์ของอิหร่านแห่งหนึ่ง ด้วยเหตุนี้สิ่งนี้สามารถ จำกัด ลักษณะทั่วไปของมัน อย่างไรก็ตามโอกาสเดียวกันในการใช้เทคโนโลยีสารสนเทศและการสื่อสารในนักศึกษาแพทย์ทุกคนในอิหร่านสามารถอธิบายถึงความสม่ำเสมอของนักเรียนในการใช้อินเทอร์เน็ต แนะนำว่าการประเมินเบื้องต้นของบุคลิกภาพนักศึกษาแพทย์โดยการคัดกรองเครื่องมือและการระบุประชากรที่มีความเสี่ยงอาจพิสูจน์ความต้องการวิธีการที่เอื้ออำนวยต่อการเริ่มต้นของการป้องกัน

ผู้เขียนต้องการแสดงความขอบคุณอย่างสุดซึ้งต่อรองประธานฝ่ายวิจัยของ Shiraz University of Medical Sciences รวมถึงศูนย์การวิจัยทางจิตเวชเพื่อขอความช่วยเหลือในการดำเนินโครงการนี้

• 1. Young KS การติดอินเทอร์เน็ตเป็นปรากฏการณ์ทางคลินิกใหม่และผลที่ตามมา อเมริกัน Behav วิทย์ 2004;48(4): 402 15- [DOI]
• 2. Mazhari S. ความชุกของการใช้อินเทอร์เน็ตที่มีปัญหาและปัจจัยที่เกี่ยวข้องในนักศึกษาแพทย์เคอร์แมนอิหร่าน ติดยาเสพติดสุขภาพ 2012;4(3-4): 87 94- [PubMed]
• 3. Koyuncu T, Unsal A, Arslantas D. การประเมินการเสพติดอินเทอร์เน็ตและความเหงาในนักเรียนมัธยมและมัธยมปลาย J Pak Med รศ. 2014;64(9): 998 1002- [PubMed]
• 4. Wu CY, Lee MB, Liao SC, Chang LR ปัจจัยเสี่ยงของการติดอินเทอร์เน็ตในหมู่ผู้ใช้อินเทอร์เน็ต: การสำรวจแบบสอบถามออนไลน์. PLoS One 2015;10(10): 0137506 [DOI] [PubMed]
• 5. Chang FC, Chiu CH, Lee CM, Chen PH, Miao NF ตัวทำนายการเริ่มต้นและการคงอยู่ของการติดอินเทอร์เน็ตในหมู่วัยรุ่นในไต้หวัน ติดยาเสพติด Behav 2014;39(10): 1434 40- [DOI] [PubMed]
• 6. Huan VS, RP RP, Chong WH, Chye S. ผลกระทบของความประหม่าต่อการใช้อินเทอร์เน็ตที่มีปัญหา: บทบาทของความเหงา เจ Psychol 2014;148(6): 699 715- [DOI] [PubMed]
• 7. Bozoglan B, Demirer V, Sahin I. ความเหงาความภาคภูมิใจในตนเองและความพึงพอใจในชีวิตของผู้ทำนายการติดอินเทอร์เน็ต: การศึกษาแบบภาคตัดขวางในหมู่นักศึกษามหาวิทยาลัยตุรกี Scand J Psychol 2013;54(4): 313 9- [DOI] [PubMed]
• 8. Young KS การติดอินเทอร์เน็ต: การเกิดขึ้นของความผิดปกติทางคลินิกใหม่ ไซเบอร์ Psychol Behav 1998;1(3): 237 44-
• 9. สมาคมจิตแพทย์อเมริกัน คู่มือการวินิจฉัยและสถิติของความผิดปกติทางจิต (DSM) 1994.
• 10. Chou C, Hsiao M. การเสพติดอินเทอร์เน็ต, การใช้งาน, ความพึงพอใจและประสบการณ์ความสุข: กรณีนักศึกษาวิทยาลัยไต้หวัน คอมพ์ Edu 2000;35(1): 65 80-
• 11. Servidio R. การสำรวจผลกระทบของปัจจัยด้านประชากรศาสตร์การใช้อินเทอร์เน็ตและลักษณะบุคลิกภาพที่มีต่อการติดอินเทอร์เน็ตในตัวอย่างของนักศึกษามหาวิทยาลัยอิตาลี คอม Hum Behav 2014;35: 85 92-
• 12. Christakis DA, Moreno MM, Jelenchick L, Myaing MT, Zhou C. ปัญหาการใช้งานอินเทอร์เน็ตที่มีปัญหาในนักเรียนสหรัฐฯ: การศึกษานำร่อง BMC Med 2011;9: 77 [DOI] [PubMed]
• 13. Frangos CC, Frangos CC, Sotiropoulos I. การใช้อินเทอร์เน็ตที่มีปัญหาในหมู่นักศึกษามหาวิทยาลัยภาษากรีก: การถดถอยเชิงโลจิสติกอันดับที่มีปัจจัยเสี่ยงของความเชื่อทางจิตวิทยาเชิงลบเว็บไซต์ลามกอนาจารและเกมออนไลน์ Cyberpsychol Behav Soc Netw 2011;14(1-2): 51 8- [DOI] [PubMed]
• 14. ชอว์ LH, Gant LM ในการป้องกันอินเทอร์เน็ต: ความสัมพันธ์ระหว่างการสื่อสารทางอินเทอร์เน็ตกับภาวะซึมเศร้าความเหงาความภาคภูมิใจในตนเองและการรับรู้การสนับสนุนทางสังคม ไซเบอร์สปิลโซลเบฟ 2002;5(2): 157 71- [DOI] [PubMed]
• 15. Beyrami M. , Movahedi M. ความสัมพันธ์ระหว่างการรับรู้การสนับสนุนทางสังคมกับความรู้สึกเหงาทางสังคมกับการติดอินเทอร์เน็ตในนักศึกษามหาวิทยาลัย สังคม Cogn 2015;3(6): 109 22-
• 16. Salahian A, Gharibi H, Malekpour N, Salahian N. การตรวจสอบบทบาทของตัวแปรทำนายสุขภาพจิตและบุคลิกภาพย่อยในการติดอินเทอร์เน็ตของนักเรียนในมหาวิทยาลัยทางการแพทย์และไม่ใช่แพทย์ของ Sanandaj ใน 2014 jorjani 2015;3(2): 46 56-
• 17. Ghamari F, Mohammadbeigi A, Mohammadsalehi N, Hashiani AA ติดยาเสพติดอินเทอร์เน็ตและการสร้างแบบจำลองปัจจัยเสี่ยงในนักศึกษาแพทย์อิหร่าน อินเดียน Psychol Med 2011;33(2): 158 62- [DOI] [PubMed]
• 18. Hashemian A, Direkvand-Moghadam A, Delpisheh A, Direkvand-Moghadam A. ความชุกของการติดอินเทอร์เน็ตในหมู่นักศึกษามหาวิทยาลัยใน Ilam: การศึกษาแบบภาคตัดขวาง วารสารการวิจัยทางระบาดวิทยานานาชาติ. 2014;1(1): 9 15-
• 19. Ansari H, Ansari-Moghaddam A, Mohammadi M, Peyvand M, Amani Z, Arbabisarjou A. การเสพติดอินเทอร์เน็ตและความสุขในหมู่นักศึกษาวิทยาศาสตร์การแพทย์ในอิหร่านตะวันออกเฉียงใต้ ขอบเขตสุขภาพ 2016;5(2)
• 20. Boogar IR, Tabatabaee SM, Tosi J. ทัศนคติต่อการใช้สารเสพติด: บุคลิกภาพและปัจจัยทางสังคมและประชากรมีความสำคัญหรือไม่? Int J การติดเชื้อเบห์ 2014;3(3) [DOI] [PubMed]
• 21. Ozturk C, Bektas M, Ayar D, Ozguven Oztornaci B, Yagci D. สมาคมลักษณะบุคลิกภาพและความเสี่ยงต่อการติดอินเทอร์เน็ตในวัยรุ่น Asian Nurs Res (Korean Soc Nurs Sci) 2015;9(2): 120 4- [DOI] [PubMed]
• 22. Xu J, Shen LX, Yan CH, Hu H, Yang F, Wang L, และคณะ ลักษณะส่วนบุคคลที่เกี่ยวข้องกับความเสี่ยงต่อการติดอินเทอร์เน็ตของวัยรุ่น: การสำรวจในเซี่ยงไฮ้ประเทศจีน BMC สาธารณสุข 2012;12: 1106 [DOI] [PubMed]
• 23. เฉิน Q, Quan X, Lu H, Fei P, Li M. การเปรียบเทียบของบุคลิกภาพและปัจจัยทางจิตวิทยาอื่น ๆ ของนักเรียนที่ติดยาเสพติดอินเทอร์เน็ตที่ทำและไม่ได้มีความผิดปกติท จิตเวชศาสตร์ Arch เซี่ยงไฮ้ 2015;27(1): 36 41- [DOI] [PubMed]
• 24. Alavi SS, Eslami M, Meracy MR, Najafi M, Jannatifard F, Rezapour H. คุณสมบัติไซโครเมทริกของการทดสอบการเสพติดอินเทอร์เน็ต Int J Behav Sci 2010;4(3): 183 9-
• 25. Mohammadsalehi N, Mohammadbeigi A, Jadidi R, Anbari Z, Ghaderi E, Akbari M. คุณสมบัติทางจิตวิทยาของเวอร์ชั่นภาษาเปอร์เซียของแบบสอบถามติดยาเสพติดทางอินเทอร์เน็ตของ Yang: การวิเคราะห์ปัจจัยเชิงอธิบาย Int J การติดเชื้อเบห์ 2015;4(3): 21560 [DOI] [PubMed]
• 26. Anisi J, Majdiyan M, Joshanloo M, Ghoharikamel Z ความถูกต้องและความน่าเชื่อถือของสินค้าคงคลังห้าปัจจัย NEO (NEO-FFI) สำหรับนักศึกษามหาวิทยาลัย Int J Behav Sci 2011;5(4): 351 5-
• 27. Salehi M, Khalili MN, Hojjat SK, Salehi M, Danesh A. ความชุกของการติดอินเทอร์เน็ตและปัจจัยที่เกี่ยวข้องในหมู่นักศึกษาแพทย์จาก Mashhad, อิหร่านใน 2013 อิหร่าน Red Cres Med J. 2014;16(5) [DOI] [PubMed]
• 28. Senormanci O, Saracli O, Atasoy N, Senormanci G, Kokturk F, Atik L. ความสัมพันธ์ของการเสพติดอินเทอร์เน็ตที่มีรูปแบบการรับรู้บุคลิกภาพและภาวะซึมเศร้าในนักศึกษา Compr จิตเวชศาสตร์ 2014;55(6): 1385 90- [DOI] [PubMed]
• 29. Mok JY, Choi SW, Kim DJ, Choi JS, Lee J, Ahn H, et al การวิเคราะห์ระดับแฝงในการติดอินเทอร์เน็ตและสมาร์ทโฟนในนักศึกษา รักษา Neuropsychiatr 2014;10: 817 28- [DOI] [PubMed]
• 30. Wang CW, Ho RT, Chan CL, Tse S. การสำรวจลักษณะบุคลิกภาพของวัยรุ่นจีนที่มีพฤติกรรมการเสพติดที่เกี่ยวข้องกับอินเทอร์เน็ต: ความแตกต่างของลักษณะสำหรับการติดเกมและการเสพติดเครือข่ายสังคม ติดยาเสพติด Behav 2015;42: 32 5- [DOI] [PubMed]
• 31. Kuss DJ, GW ที่สั้นกว่า, Van Rooij AJ, Van de Mheen D, Griffiths MD รูปแบบองค์ประกอบและบุคลิกภาพการเสพติดอินเทอร์เน็ต: การสร้างความถูกต้องในการสร้างผ่านเครือข่ายที่กำหนด คอม Hum Behav 2014;39: 312 21-
• 32. Ying Ge JS, Zhang J. งานวิจัยเกี่ยวกับความสัมพันธ์ระหว่างการเสพติดอินเทอร์เน็ตลักษณะบุคลิกภาพและสุขภาพจิตของเด็กที่ตกค้างในเมือง Global J Health Sci 2015;7(4): 60
• 33. Dalbudak E, Evren C. ความสัมพันธ์ของความรุนแรงของการเสพติดอินเทอร์เน็ตกับอาการสมาธิสั้นที่ผิดปกติในนักศึกษามหาวิทยาลัยตุรกี; ผลกระทบของลักษณะบุคลิกภาพความซึมเศร้าและความวิตกกังวล Compr จิตเวชศาสตร์ 2014;55(3): 497 503- [DOI] [PubMed]
• 34. Zamani พ.ศ. , Abedini Y, Kheradmand A. การเสพติดอินเทอร์เน็ตบนพื้นฐานของลักษณะบุคลิกภาพของนักเรียนมัธยมปลายในเคอร์แมนประเทศอิหร่าน สุขภาพติดยาเสพติด 2012;3(3-4): 85 91-
• 35. Egan V, Deary I, Austin E. NEO-FFI: บรรทัดฐานของอังกฤษที่เกิดขึ้นใหม่และการวิเคราะห์ระดับรายการแนะนำว่า N, A และ C มีความน่าเชื่อถือมากกว่า O และ E ความแตกต่างของบุคคล 2000;29(5): 907 20-
• 36. Goldberg LR โครงสร้างของลักษณะบุคลิกภาพฟีโนไทป์ Am Psychol 1993;48(1): 26 34- [PubMed]
• 37. Landers RN, Lounsbury JW การตรวจสอบลักษณะบุคลิกภาพขนาดใหญ่และแคบที่เกี่ยวข้องกับการใช้อินเทอร์เน็ต. คอม Hum Behav 2006;22(2): 283 93-
• 38. Buckner JE, Castille C, แผ่น TL รูปแบบบุคลิกภาพห้าตัวและการใช้เทคโนโลยีมากเกินไปของพนักงาน คอม Hum Behav 2012;28(5): 1947 53-
• 39. Yan W, Li Y, Sui N. ความสัมพันธ์ระหว่างเหตุการณ์ในชีวิตที่ตึงเครียดล่าสุดลักษณะบุคลิกภาพการรับรู้การทำงานของครอบครัวและการติดอินเทอร์เน็ตในหมู่นักศึกษา ความเครียดสุขภาพ 2014;30(1): 3 11-
• 40. มุลเลอร์ KW, Beutel ME, Egloff B, Wölfling K. การตรวจสอบปัจจัยเสี่ยงสำหรับความผิดปกติในการเล่นเกมทางอินเทอร์เน็ต: การเปรียบเทียบผู้ป่วยที่เล่นเกมเสพติดนักพนันทางพยาธิวิทยาและการควบคุมสุขภาพที่ดีเกี่ยวกับลักษณะบุคลิกภาพขนาดใหญ่ห้า Res Euro ติดยาเสพติด 2013;20(3): 129 36- [DOI] [PubMed]